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！

龙图腾网获悉河北大学申请的专利基于分组感知标签的自适应记忆无监督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：CN116563882B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202210089329.4，技术领域涉及：G06V40/10；该发明授权基于分组感知标签的自适应记忆无监督行人重识别方法是由彭锦佳;宋鹏鹏;王铖俊;于佳左;齐静;李凯设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本基于分组感知标签的自适应记忆无监督行人重识别方法在说明书摘要公布了：本发明提供了一种基于分组感知标签的自适应记忆无监督行人重识别方法，包括如下步骤：A、得到具有多组标签的行人数据集；B、计算行人数据集的聚类中心与同一簇中样本之间的距离，构建权重字典；C、构建基于自适应记忆存储结构的师生网络，并利用权重字典更新与样本对应的记忆存储结构；D、在训练过程中，将三个通过设置不同聚类条件生成的具有多组标签的行人数据集平滑噪声的影响；E、根据预设的迭代次数循环操作步骤A—步骤D、对教师网络和学生网络进行训练，F、训练完毕将测试集数据输入，进行测试。本发明能够优化含有噪声标签的神经网络，探索多标签的行人图像具有判别性的特征，提高行人重识别模型对新场景的适应能力。

本发明授权基于分组感知标签的自适应记忆无监督行人重识别方法在权利要求书中公布了：1.一种基于分组感知标签的自适应记忆无监督行人重识别方法，其特征是，包括如下步骤： A、以没有标签的目标域图片数据为样本，通过设置不同的聚类条件，对样本进行了DBSCAN聚类算法操作，生成组感知标签，得到具有多组标签的行人数据集； B、计算行人数据集的聚类中心与同一簇中样本之间的距离，同一簇中的样本具有不同的权重，构建权重字典a； C、构建基于自适应记忆存储结构的师生网络，该网络包括教师网络Et、学生网络Es和记忆存储模块，其中教师网络Et和学生网络Es具有相同的网络结构；利用聚类后的特征初始化记忆存储模块，并利用权重字典a更新与样本对应的记忆存储结构； D、在训练过程中，将三个通过设置不同聚类条件生成的具有多组标签的行人数据集，表示为和输入到教师网络Et和学生网络Es中进行训练，通过教师网络Et来存储训练过程中的学生网络Es中的参数，在学生网络和教师网络中分别有3个从多种角度对同一行人图片进行描述的输出特征，并利用教师网络与学生网络的之间的对齐学习，平滑噪声的影响； E、根据预设的迭代次数循环操作步骤A—步骤D、对教师网络Et和学生网络Es进行训练， F、训练完毕将测试集数据输入，进行测试； 在步骤B中，未标记的样本被聚类为N个簇，表示为C＝{c1,c2,...,ci}，i∈[1,N]；对于每个簇，其中心特征为： 其中，ci表示聚类结果中的第i个簇，K是ci中的样本数，是ci中的中心特征；对于图像g，g与ci之间的距离计算为： 其中，fg是g的特征； 样本与其对应的记忆存储结构中原有的特征之间的距离计算为： 其中是ci具有的伪标签对应的记忆存储结构中的特征；图像g与簇ci中第k个样本距离为： 得到di后，对其中的元素按降序排列，并保存为dsi；通过di和dsi计算权重字典a为： 其中，是在dsi中的索引； 前步骤的输出为对应不同组标签的权重字典a，在每次迭代中，可利用该权重字典a对记忆存储结构中的特征进行更新； 在步骤C中，在聚类后，利用聚类后的伪标签初始化记忆存储模块，即， Mi←UXi 其中，U·是均匀采样函数，Xi表示第i个簇中包含的所有实例特征向量； 结合样本权重的进行更新,对于属于类别c的样本g，其对应的记忆存储特征Mc更新为： 其中β∈[0,1]是更新参数，β＝0表示丢弃内存字典中的原始特征，β＝1表示放弃更新内存字典。

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河北大学，其通讯地址为：071002 河北省保定市五四东路180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。