基于属性特征驱动聚类的跨域行人重识别方法

摘要

本发明设计了一种基于属性特征驱动聚类的跨域行人重识别方法，该方法采用pytorch框架构建网络架构，以基于全局行人特征的ID分类模块为主要模块，辅以基于局部行人特征的ID分类模块、行人属性分类模块和基于迭代的无监督域适应模块，通过多任务联合学习的方式，引入了不同粒度的语义信息并细化了属性识别过程，构建了一个有效的跨域行人重识别网络。相比于同类方法，本发明创新性地提出了将属性信息纳入到聚类特征中，从而实现利用基于闭集的属性分类任务来辅助基于开集的行人重识别任务做跨域无监督域适应，得到更加精确的聚类结果，使得在迭代训练过程中的“伪标签”数据更加精准，极大地增强了模型的泛化能力，满足在实际场景中部署的要求。