基于多视角相似度聚合的对比学习无监督行人重识别方法

本发明涉及计算机视觉术领域，尤其涉及一种基于多视角相似度聚合的对比学习无监督行人重识别方法,使用ResNet50作为骨干网络，提取所有行人训练样本的全局特征，然后使用DBSCAN聚类算法为全局所有训练实例分配伪标签。构建局部细化的多分支网络获取多样化的特征表示，丰富多视角行人特征所包含的高层语义信息，提高重识别效果；减少无监督行人重识别算法在复杂遮挡场景下细粒度局部特征信息不足、算法准确度不高的问题，可以广泛应用于行人重识别技术领域。