一种面向可泛化行人重识别的语义各向同性增强方法

本发明公开了一种面向可泛化行人重识别的语义各向同性增强方法，属于计算机视觉技术领域。选取多个不同源域的公开行人图像数据集，借助骨干网络提取特征并保留细粒度信息。通过高斯噪声扰动特征的通道均值与标准差，重构特征完成风格增强。针对多组风格特征构建语义分布矩阵，计算中心分布并利用KL散度构建蒸馏损失，实现语义分布对齐。统计多源域语义梯度的均值和方差，结合随机采样平移梯度，完成语义增强。最终融合身份分类损失与蒸馏损失构建联合损失，迭代训练网络得到模型。本申请可缓解领域偏移与源域过拟合问题，同步强化风格与语义泛化能力，计算负担小，能够有效提升开放场景中行人重识别的整体表现。