摘要
本发明公开了一种模态不平衡特征转换跨模态行人重识别方法,包括获取可见光和红外行人的样本集,构建双流特征提取网络,并在双流特征提取网络中插入模态一致性感知模块优化深层网络参数,用最大平均差异损失来约束。然后构建特征转移网络,利用跨模态样本重新分配策略模拟样本不平衡场景,之后对重分配后的特征设计跨模态不平衡模块进行模态特征转换,最后构建度量学习网络,利用特征重建损失和联合身份和联合圆损失对模型进度量学习,得到行人匹配结果。本发明在解决模态样本不平衡问题上取得了优异的性能,提高了模型的鲁棒性和泛化能力,并且本发明在低光和损坏的场景中表现出了改进的性能。