一种跨模态行人重识别及训练方法

一种跨模态行人重识别及训练方法，解决可见光‑红外行人重识别(VI‑ReID)中的语义失配、难例优化不足和视角分布不平衡问题。该方法包括：视角均衡采样器(VB)确保多视角数据均衡化；基础特征提取网络生成高维特征图；循环语义聚合模块(RSA)结合双向长短时记忆网络(BiLSTM)优化局部和全局特征；构建模态对齐损失函数增强跨模态特征一致性。进一步地，还通过基于置信度的难例重训练策略(CHSR)提升难例识别能力。与传统方法相比，本发明的方法显著提升了Rank‑1准确率和平均精度(mAP)。本发明适用于多模态行人重识别场景，对智能监控和公共安全领域具有重要应用价值。