一种基于实时内存更新的行人重识方法

本申请提供了一种基于实时内存更新的行人重识方法，涉及计算机视觉技术领域，方法包括：构建行人重识别网络中的混合注意力解耦模块；使用源域样本和目标域样本输入到混合注意力解耦模块中，得到重识别相关特征和重识别无关特征、领域分类损失和正交损失；利用聚类算法对重进行聚类，生成伪标签，通过伪标签对行人重识别网络进行监督训练；根据实时内存更新策略，初始化实例级内存库和集群级内存库；通过重识别相关特征产生实例级对比损失和集群级对比损失；通过各个损失函数和输入查询样本实时更新模型参数；当行人重识别网络收敛后，完成训练；利用训练好的行人重识别网络对获取的待识别图像，进行行人重识别并输出识别结果。本申请的技术方案缓解聚类算法与不合适的动量更新策略之间的冲突。