(EN) An unsupervised domain adaptation target re-identification method. The method comprises: constructing a multiscale domain adaptation attention learning network utilizing a source domain dataset and a target domain dataset to train the multiscale domain adaptation attention learning network, calculating multitasking losses of the multiscale domain adaptation attention learning network, and when the values of the multitasking losses converge, producing a trained multiscale domain adaptation attention learning network; utilizing the trained multiscale domain adaptation attention learning network to construct an unsupervised domain adaptation target re-identification model, and utilizing the unsupervised domain adaptation target re-identification model for target re-identification processing of an inputted image. The method reduces domain differences by splitting a feature map into a target-related feature map and a domain-related feature map, maps the feature maps in different scales, performs splitting in multiple scales, and allows multiscale feature expression that is only domain-related to be learned, thus achieving optimal performance.
(FR) Le procédé comporte les étapes consistant à: construire un réseau d’apprentissage multi-échelles d’attention d’adaptation de domaine en utilisant un jeu de données de domaine d’origine et un jeu de données de domaine de destination pour entraîner le réseau d’apprentissage multi-échelles d’attention d’adaptation de domaine, calculer des pertes en mode multitâches du réseau d’apprentissage multi-échelles d’attention d’adaptation de domaine, et lorsque les valeurs des pertes en mode multitâches convergent, produire un réseau entraîné d’apprentissage multi-échelles d’attention d’adaptation de domaine; utiliser le réseau entraîné d’apprentissage multi-échelles d’attention d’adaptation de domaine pour construire un modèle de ré-identification de cible d’adaptation de domaine non supervisée, et utiliser le modèle de ré-identification de cible d’adaptation de domaine non supervisée pour un traitement de ré-identification de cible d’une image introduite. Le procédé réduit les différences de domaine en divisant une carte d’attributs en une carte d’attributs liée à la cible et une carte d’attributs liée au domaine, met en correspondance les cartes d’attributs à des échelles différentes, effectue une division à des échelles multiples, et permet d’apprendre une expression d’attributs multi-échelles qui est uniquement liée au domaine, atteignant ainsi des performances optimales.
(ZH) 一种无监督域适应的目标重识别方法,该方法包括:构建多尺度域适应注意力学习网络;利用源域数据集和目标域数据集对多尺度域适应注意力学习网络进行训练,计算多尺度域适应注意力学习网络的多任务损失,在多任务损失的值收敛后,得到训练好的多尺度域适应注意力学习网络;利用训练好的多尺度域适应注意力学习网络构建无监督域适应的目标重识别模型,利用无监督域适应的目标重识别模型对输入的图像进行目标重识别处理。上述方法通过将特征图分割成与目标相关的特征图和与域相关特征图来减少域差异,将特征图映射在不同尺度下,在多个尺度下进行分割,可以学习到仅仅与域相关的、多尺度的特征表示,从而达到了最优的性能。