[發(fā)明專利]識別模型更新處理方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811472085.8
• 申請日: 2018-12-04
• 公開（公告）號: CN111275060A
• 公開（公告）日: 2020-06-12
• 發(fā)明（設(shè)計）人: 張修寶;葉萌;沈海峰
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 鄧超

本申請?zhí)峁┝艘环N識別模型更新處理方法、裝置、電子設(shè)備及存儲介質(zhì)，涉及行人識別技術(shù)領(lǐng)域。其中，該方法包括：獲取訓(xùn)練圖像集中每張圖像的特征數(shù)據(jù)、以及每張圖像的分類預(yù)測結(jié)果；根據(jù)每張圖像的特征數(shù)據(jù)，獲取任意兩張圖像之間的相似度；根據(jù)相似度和分類預(yù)測結(jié)果，獲取損失函數(shù)；根據(jù)損失函數(shù)更新識別模型，得到更新后的識別模型。本申請實施例中，在訓(xùn)練、更新識別模型的過程中，結(jié)合相似度和分類預(yù)測結(jié)果獲取損失函數(shù)，并通過損失函數(shù)來更新識別模型，得到的識別模型具有更高的識別精度。

技術(shù)領(lǐng)域

本申請涉及行人識別技術(shù)領(lǐng)域，具體而言，涉及一種識別模型更新處理方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

行人重識別(Person Re-Identification，ReID)技術(shù)主要應(yīng)用在安防領(lǐng)域，例如在高空監(jiān)控攝像頭獲取的視頻數(shù)據(jù)中檢索行人的照片。警方可以根據(jù)一張犯罪嫌疑人的圖像從多個視頻中檢索該犯罪嫌疑人可能出現(xiàn)過的時間和地點，從而提升辦案效率。

現(xiàn)有的ReID技術(shù)一般包括訓(xùn)練階段和測試階段，訓(xùn)練階段使用標(biāo)記好的行人圖像訓(xùn)練一個深度分類模型，測試階段將訓(xùn)練好的深度分類模型對測試圖像進行識別測試，測試階段中，先提取測試圖像的特征，然后通過特征計算測試圖像之間的距離完成識別任務(wù)。

但是，現(xiàn)有ReID技術(shù)中，訓(xùn)練階段對圖像訓(xùn)練的精度不高，可能導(dǎo)致訓(xùn)練出的模型檢測結(jié)果不佳。

發(fā)明內(nèi)容

有鑒于此，本申請實施例的目的在于提供一種識別模型更新處理方法、裝置、電子設(shè)備及存儲介質(zhì)，能夠通過該更新后的識別模型解決現(xiàn)有技術(shù)中識別模型存在的識別精度不高的問題，得到識別精度更高的識別模型。

一方面，本申請實施例提供一種識別模型更新處理方法，包括：

獲取訓(xùn)練圖像集中每張圖像的特征數(shù)據(jù)、以及每張圖像的分類預(yù)測結(jié)果；根據(jù)每張圖像的特征數(shù)據(jù)，獲取任意兩張圖像之間的相似度；根據(jù)相似度和分類預(yù)測結(jié)果，獲取損失函數(shù)；根據(jù)損失函數(shù)更新識別模型，得到更新后的識別模型。

可選地，根據(jù)每張圖像的特征數(shù)據(jù)，獲取任意兩張圖像之間的相似度，包括：采用第一預(yù)設(shè)算法，獲取任意兩張圖像之間的距離；采用第二預(yù)設(shè)算法，根據(jù)任意兩張圖像之間的距離，計算任意兩張圖像之間的相似度。

可選地，所述根據(jù)所述相似度和所述分類預(yù)測結(jié)果，獲取損失函數(shù)，包括：根據(jù)第三預(yù)設(shè)算法獲取相似度的歸一化矩陣；根據(jù)歸一化矩陣和分類預(yù)測結(jié)果，獲取更新后分類預(yù)測結(jié)果、以及損失函數(shù)。

可選地，獲取訓(xùn)練圖像集中每張圖像的特征數(shù)據(jù)、以及每張圖像的分類預(yù)測結(jié)果，包括：采用卷積神經(jīng)網(wǎng)絡(luò)，獲取每張圖像的特征數(shù)據(jù)；根據(jù)每張圖像的特征數(shù)據(jù)，采用分類器獲取每張圖像的分類預(yù)測結(jié)果。

可選地，根據(jù)相似度和分類預(yù)測結(jié)果，獲取損失函數(shù)之后，還包括：計算損失函數(shù)的梯度；根據(jù)損失函數(shù)的梯度，更新卷積神經(jīng)網(wǎng)絡(luò)和/或分類器的參數(shù)。

可選地，根據(jù)損失函數(shù)更新識別模型，得到更新后的識別模型之后，還包括：判斷損失函數(shù)是否滿足收斂條件，若滿足，則停止更新識別模型。

可選地，訓(xùn)練圖像集包括多組圖像，每組圖像對應(yīng)一個分類標(biāo)簽，且每組圖像包含相同數(shù)量的圖像。

可選地，根據(jù)損失函數(shù)更新識別模型，得到更新后的識別模型之后，還包括：將第一圖像集合和第二圖像集合輸入更新后的識別模型，其中，第一圖像集合和第二圖像集合包括相同事物的圖像信息；提取第一圖像集合和第二圖像集合中各圖像的特征數(shù)據(jù)；根據(jù)第一圖像集合和第二圖像集合中各圖像的特征數(shù)據(jù)，獲取第一圖像集合中每個圖像與第二圖像集合中每個圖像的距離；根據(jù)第一圖像集合中每個圖像與第二圖像集合中每個圖像的距離、以及每個圖像的分類標(biāo)簽，獲取更新后的識別模型的精度信息。