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！

龙图腾网获悉西安工业大学申请的专利基于位置注意力和精化聚类的无监督跨域行人重识别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：CN115205893B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202210651384.8，技术领域涉及：G06V40/10；该发明授权基于位置注意力和精化聚类的无监督跨域行人重识别方法是由惠燕;吴玺;胡秀华;尤世界;胡旭洋;赵婧;刘焕设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本基于位置注意力和精化聚类的无监督跨域行人重识别方法在说明书摘要公布了：本发明为一种基于位置注意力和精化聚类的无监督跨域行人重识别方法，其克服了现有技术中存在的对聚类产生的伪标签噪声和特征辨别性不足的问题。本发明包括以下步骤：1以ResNet50网络为基础，将位置注意力模块加入到layer1层之前和layer4层之后；在模型深度卷积开始之前，利用位置注意力块关注样本的位置信息，进行初步的特征提取；在模型提取完特征之后，再利用位置注意力块进行特征挖掘，提取更加细粒度的特征；2利用精细化聚类算法模块，剔除噪声干扰样本，实现由粗到精的聚类过程；3引入记忆模块，将每个周期训练所得的类中心存储到记忆模块中。

本发明授权基于位置注意力和精化聚类的无监督跨域行人重识别方法在权利要求书中公布了：1.一种基于位置注意力和精化聚类的无监督跨域行人重识别系统的识别方法，其特征在于：包括骨干网络模块、位置注意力模块、聚类算法模块和记忆模块；其中： 骨干网络模块：利用ResNet50提取图像的初始特征； 位置注意力模块：提取更加细粒度的特征，其位置是在ResNet50的layer1之前和layer4层之后加入位置注意力； 聚类算法模块：聚类产生伪标签，采用精细化聚类的方法克服噪声对模型的影响； 记忆模块：将每个周期训练所得的类中心存储到记忆模块中便于后续的训练； 基于位置注意力和精化聚类的无监督跨域行人重识别系统的识别方法包括以下步骤： 1以ResNet50网络为基础，将位置注意力模块加入到layer1层之前和layer4层之后；在模型深度卷积开始之前，利用位置注意力块关注样本的位置信息，进行初步的特征提取；在模型提取完特征之后，再利用位置注意力块进行特征挖掘，提取更加细粒度的特征； 2利用精细化聚类算法模块，剔除噪声干扰样本，实现由粗到精的聚类过程； 3引入记忆模块，将每个周期训练所得的类中心存储到记忆模块中； 步骤2中，精细化聚类算法具体包括以下步骤： 首先利用位置注意力所提特征Yi,j，计算Jaccard进行初步聚类，并产生伪标签；在聚类的过程中，通过设置不同的聚类半径，以产生三个聚类中心相同半径不同的聚类，通过对三个不同聚类作交叉-合并，得到它的独立性分数，利用所得分数进行可靠性度量，判定聚类实例可靠性； 度量聚类独立性的方法通过交叉-合并IoU分数进行定义： 其中表示同一簇内的样本，是当聚类条件变得松散时包含的聚类集，当聚类条件变得紧凑时包含的聚类集；越大，表明集群的越独立，其中的值介于0到1之间； 在每个周期前进行聚类，并根据聚类可靠性度量进行聚类的筛选，将独立性分数介于0到1之间的聚类视为可靠聚类，其余视为不可靠聚类；仅保留可靠的聚类，其余样本均视作聚类离群值；离群值在后续过程中继续聚类，直至产生可靠聚类；随着迭代次数的增加，逐步依据可靠性判定准则，筛选不可靠聚类，实现由粗到细的聚类过程；将可靠聚类的中心点存入记忆模块进行后续训练。

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工业大学，其通讯地址为：710032 陕西省西安市未央区学府中路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”。

以上内容由龙图腾AI智能生成。