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！

龙图腾网获悉神思电子技术股份有限公司申请的专利一种跨域无监督行人重识别方法、设备及介质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：CN115294604B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202210922288.2，技术领域涉及：G06V40/10；该发明授权一种跨域无监督行人重识别方法、设备及介质是由朱锦雷;井焜;许野平设计研发完成，并于2022-08-02向国家知识产权局提交的专利申请。

本一种跨域无监督行人重识别方法、设备及介质在说明书摘要公布了：本申请公开了一种跨域无监督行人重识别方法、设备及介质，方法包括：采集包含待识别行人的行人图像；将行人图像输入至预先训练的模型中，模型在目标域中进行无监督训练时，损失函数包括邻域对抗损失函数和邻域连续性损失函数中的至少一种，邻域对抗损失函数和邻域连续性损失函数根据批处理组中特征之间的特征距离值得到；根据模型的输出，得到行人重识别结果。引入邻域对抗损失函数，由于其取决于目标域图像内的距离，不需要伪标签支持，故而能够拉近特征高相似度的图像，并推开特征低相似度的图像。而引入邻域特征连续性损失函数，通过使得同类特征朝着同一方向收敛，进一步提升网络模型的识别性能。由此提高了模型对行人重识别的识别准确度。

本发明授权一种跨域无监督行人重识别方法、设备及介质在权利要求书中公布了：1.一种跨域无监督行人重识别方法，其特征在于，包括： 采集包含待识别行人的行人图像； 将所述行人图像输入至预先训练的模型中，所述模型在目标域中进行无监督训练时，损失函数包括邻域对抗损失函数和邻域连续性损失函数中的至少一种，所述邻域对抗损失函数和所述邻域连续性损失函数根据批处理组中特征之间的特征距离值得到； 根据所述模型的输出，得到对所述行人图像的行人重识别结果； 所述模型的训练过程包括： 确定批处理组中各特征之间的特征距离值； 根据所述特征距离值生成正例集和负例集，所述正例集包括数值低于预设阈值的多个特征距离值，所述负例集包括变化剧烈程度高于预设程度的多个特征距离值； 根据所述正例集和所述负例集，得到所述邻域对抗损失函数；并根据所述正例集得到所述邻域连续性损失函数； 根据所述特征距离值生成正例集和负例集，具体包括： 根据所述批处理组中的各所述特征距离值生成第一行列式； 在所述第一行列式中，以行为单位对所述特征距离值进行降序排列，得到第二行列式； 按照所述第二行列式的行方向进行差分求导，得到表示行方向梯度的第三行列式； 在所述第二行列式中，按照所述降序排列，选取最大的K个特征距离值组合得到正例集；并根据所述第三行列式，选取累积变化剧烈程度最大的K个特征距离值组合得到负例集； 根据所述第三行列式，选取累计变化剧烈程度最大的K个特征距离值组合得到负例集，具体包括： 针对任意K个连续的特征距离值，将其作为一个滑动窗口，并根据所述第三行列式中各特征距离值对应的梯度，确定滑动窗口中K个连续的特征距离值对应的累积梯度； 将所述累积梯度最大的滑动窗口，作为负例集； 根据所述正例集和所述负例集，得到所述邻域对抗损失函数，具体包括： 根据所述第二行列式，确定所述正例集中各特征距离值的第一平均项以及所述负例集中各特征距离值的第二平均项； 将所述第一平均项作为正项，将所述第二平均项作为负项，并根据预设的正则化超参数，按照所述批处理组的大小，确定所述邻域对抗损失函数； 根据所述正例集得到所述邻域连续性损失函数，具体包括： 根据所述正例集中各特征距离值的占比，生成所述特征距离值对应的权重项；并将所述占比进行概率化计量，得到所述特征距离值对应的概率化项； 根据所述权重项以及所述概率化项生成所述邻域连续性损失函数，以通过所述权重项提升邻域低相似度损失占比并减少高相似度损失占比，所述低相似度损失和所述高相似度损失为两者之间相对确定的； 根据所述正例集中各特征距离值的占比，生成所述特征距离值对应的权重项，具体包括： 根据所述正例集中各特征距离值的占比，确定所述占比的对立项，并根据所述对立项以及预设的常数项，生成所述特征距离值对应的权重项； 将所述占比进行概率化计量，得到所述特征距离值对应的概率化项，具体包括： 根据所述特征距离值以及概率系数，得到各特征距离值对应的调节特征距离项，并确定各调节特征距离项的占比的对数项实现概率化，得到所述特征距离值对应的概率化项； 邻域对抗损失函数的公式如下： 其中，为正则化超参数，为邻域对抗损失函数，表示第一特征，代表了按行排序后第行、第列位置上的特征距离值，K表示正例集中选取的特征距离值数量，PK表示批处理组的大小，为负例集的中心特征距离值； 邻域连续性损失函数的公式如下： 其中，为概率系数，用于调节概率曲线的陡峭程度，表示权重项，为邻域连续性损失函数。

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神思电子技术股份有限公司，其通讯地址为：250101 山东省济南市高新区舜华西路699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。