[發(fā)明專利]一種基于深度余弦度量學(xué)習(xí)的行人重識別方法

在審

• 申請?zhí)枺?/td>: 201811621891.7
• 申請日: 2018-12-28
• 公開（公告）號: CN109829377A
• 公開（公告）日: 2019-05-31
• 發(fā)明（設(shè)計(jì)）人: 王敏;單純;蔡鑫鑫
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 唐紅

本發(fā)明公開一種基于深度余弦度量學(xué)習(xí)的行人重識別方法，通過在卷積softmax動態(tài)分類器上的一個簡單重復(fù)參數(shù)化來使得余弦相似度達(dá)到最佳效果，在測試時，最終的分類層可以從網(wǎng)絡(luò)中剝離，以方便對使用余弦相似度量的未見個體進(jìn)行最鄰近查詢。本發(fā)明將分類方法與度量學(xué)習(xí)方法相結(jié)合，通過softmax分類器的再參量化，從而將度量學(xué)習(xí)目標(biāo)直接編碼到分類任務(wù)中。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)領(lǐng)域，具體涉及一種基于深度余弦度量學(xué)習(xí)的行人重識別方法。

背景技術(shù)

行人重識別是視頻監(jiān)控中的常見任務(wù)。給定一個查詢圖像后在一個可能包含同一個人的大型圖像庫中進(jìn)行搜索。由于圖像集通常是從不同的相機(jī)和不同的地點(diǎn)采集，因此系統(tǒng)必須處理姿勢的變化，不同的照明條件以及背景的變化。自從大型的數(shù)據(jù)集的出現(xiàn)，深度學(xué)習(xí)已經(jīng)成為行人重識別領(lǐng)域的主要使用方法，但是仍然有許多的問題和挑戰(zhàn)等待去解決。比如有關(guān)直接度量學(xué)習(xí)目標(biāo)的方法與非直接在分類框架下訓(xùn)練方法的優(yōu)劣比較的討論一直持續(xù)進(jìn)行。

直接度量學(xué)習(xí)的優(yōu)勢在于能夠?qū)⑾嗨贫攘恐苯泳幋a為訓(xùn)練目標(biāo)，但是在過去的使用中發(fā)現(xiàn)該方法同樣存在一些問題。首先，度量學(xué)習(xí)目標(biāo)存在如不平滑、缺少鄰近結(jié)構(gòu)文本信息等不利于優(yōu)化的特性。其次，相似度的定義僅僅基于成員關(guān)系，在分類體系中，直接度量學(xué)習(xí)并不一定優(yōu)于基于訓(xùn)練分類的方法。

在這樣的情況下，直接度量學(xué)習(xí)往往會被簡化為最小化同類樣本間距，并且在不同樣本間產(chǎn)生一個差值。而基于分類的方法則是在訓(xùn)練集的標(biāo)識集上訓(xùn)練出一個分類器，然后使用網(wǎng)絡(luò)的底層特征表示去執(zhí)行最鄰近查詢，但是通常情況下，那些與softmax分類器一起訓(xùn)練好網(wǎng)絡(luò)表示并不一定能夠直接用于圖像檢索任務(wù)。

發(fā)明內(nèi)容：

發(fā)明目的：本發(fā)明的目的在于解決現(xiàn)有技術(shù)中存在的不足，提供一種基于深度余弦度量學(xué)習(xí)的行人重識別方法，將直接度量學(xué)習(xí)與分類方法相結(jié)合，提供一種簡單有效的再參數(shù)化softmax分類器，從而將度量學(xué)習(xí)目標(biāo)能夠直接編碼到分類任務(wù)。

技術(shù)方案：本發(fā)明的一種基于深度余弦度量學(xué)習(xí)的行人重識別方法，先調(diào)整輸入圖像的尺寸，將圖像呈現(xiàn)到RGB空間的網(wǎng)絡(luò)中，然后通過一系列的卷積層調(diào)整feature map的尺寸，接著提取總體特征向量進(jìn)行歸一化以后，將特征投射到應(yīng)用cosine softmax分類器的單位球面上，最后分類器通過最大可能性來選擇類；

包括以下步驟：

步驟1：將輸入圖像調(diào)整為對應(yīng)尺寸(即行人圖像的最佳取值例如128*64) 并呈現(xiàn)到RGB網(wǎng)絡(luò)中，且RGB網(wǎng)絡(luò)包含若干遵循預(yù)激活排列的殘差塊；

步驟2：通過對應(yīng)卷積層將feature map的尺寸減小到對應(yīng)大小(例如16*8)；

步驟3：將上述所得結(jié)果放入dense層中提取總體特征向量；

步驟4：使用l₂normalization對特征向量進(jìn)行歸一化；

步驟5：將歸一化后的特征投射到應(yīng)用cosine softmax分類器的單位球面上；

步驟6：分類器通過最大可能性來選擇類。

進(jìn)一步的，所述步驟2的具體內(nèi)容為：為避免梯度消失，在網(wǎng)絡(luò)結(jié)構(gòu)中引入了殘差網(wǎng)絡(luò)塊，同時引入了WRN中提及的方法以提高殘差網(wǎng)絡(luò)的性能，具體如下：首先將調(diào)整后圖像依次放入兩個卷積核大小為3*3、步長為1的卷積層，得到輸出結(jié)果的大小為32*128*64；然后將輸出結(jié)果放入池化層，其中滑動窗口的大小為3*3，步長為2，采用最大值池化的方式得到輸出結(jié)果，輸出的大小為 32*64*32；把池化后的輸出結(jié)果放入6個按照預(yù)激活排列的殘差塊中，每個殘差塊均包含2個卷積層，所有卷積的尺寸都為3*3，并且最大池化被步幅為2的卷積層替代，輸出的結(jié)果的大小為128*16*8；這樣當(dāng)特征層空間分布率減少時，為了避免障礙，通道的數(shù)量會相應(yīng)增加。