买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种用于无监督可见-红外行人重识别的标签关联方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118135648B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410102504.8，技术领域涉及：G06V40/20；该发明授权一种用于无监督可见-红外行人重识别的标签关联方法是由程德;何凌峰;王楠楠;辛经纬;高新波设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本一种用于无监督可见-红外行人重识别的标签关联方法在说明书摘要公布了：本发明涉及一种用于无监督可见‑红外行人重识别的标签关联方法，该方法包括：获取图像数据集，根据图像数据集，获取可见光模态的行人图像对应的第一特征和红外光模态的行人图像对应的第二特征；根据第一特征和第二特征构建亲和矩阵，根据亲和矩阵得到可见光模态对应的第一最优软伪标签和红外光模态对应的第二最优软伪标签；将第一最优软伪标签和第二最优软伪标签作为监督信号以应用于无监督可见‑红外行人重识别中。通过上述技术方案，实现了不同模态下软伪标签的对齐，为无监督可见‑红外行人重识别方法提供了丰富且可靠的监督信号，从而缓解可见‑红外行人重识别技术在实际应用中耗时较多且识别过程复杂的问题。

本发明授权一种用于无监督可见-红外行人重识别的标签关联方法在权利要求书中公布了：1.一种用于无监督可见-红外行人重识别的标签关联方法，其特征在于，所述方法包括： 获取图像数据集；其中，图像数据集中包含可见光模态的行人图像和红外光模态的行人图像； 根据图像数据集，获取可见光模态的行人图像对应的第一特征和红外光模态的行人图像对应的第二特征； 根据第一特征和第二特征构建亲和矩阵，以表征同质亲和力和异质亲和力；其中，同质亲和力表征同一模态的图像内的亲和关系，异质亲和力表征不同模态的图像之间的亲和关系； 根据亲和矩阵得到可见光模态对应的第一最优软伪标签和红外光模态对应的第二最优软伪标签，具体包括：根据第一特征和图像数据集得到聚类中心； 根据聚类中心获取第一存储库；其中，第一存储库中包含多个第一特征以及多个第一特征对应的伪标签； 根据第一存储库和第一特征获取第一初始粗标签； 利用第一存储库和最优传输标签分配算法为第二特征分配标签，作为第二初始粗标签； 最小化同质不一致性、异质不一致性和自不一致性，对伪标签进行迭代优化，得到第一最优软伪标签和第二最优软伪标签； 同质不一致性公式如下： 其中，ye表示在可见光模态下或红外光模态下对应的特征的伪标签，Ne表示模态e在图像数据集中对应的图像数量，表示可见光模态或红外光模态的第i′个特征和第j′个特征之间的同质亲和力，表示可见光模态或红外光模态的第i′个特征对应的伪标签，表示可见光模态或红外光模态的第j′个特征对应的伪标签； 异质不一致性公式如下： 其中，Nv表示可见光模态v在图像数据集中对应的图像数量，Nr表示红外光模态r在图像数据集中对应的图像数量，表示可见光模态到红外光模态的亲和矩阵，表示可见光模态的第i″个特征对应的伪标签，表示红外光模态的第j′′个特征对应的伪标签；表示红外光模态的异质不一致性，表示红外光模态到可见光模态的亲和矩阵，表示红外光模态的第i′′′个特征对应的伪标签；表示可见光模态的第j″′个特征对应的伪标签； 自不一致性公式如下： 其中，表示可见光模态或红外光模态的第i1个特征对应的伪标签，表示可见光模态或红外光模态的第i1个特征的初始粗标签，Ne表示模态e在图像数据集中对应的图像数量； 将第一最优软伪标签和第二最优软伪标签作为监督信号以应用于无监督可见-红外行人重识别中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。