[發(fā)明專利]一種基于數(shù)據(jù)增強(qiáng)的深度哈希行人重識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910927206.1
• 申請(qǐng)日: 2019-09-27
• 公開（公告）號(hào): CN110852152A
• 公開（公告）日: 2020-02-28
• 發(fā)明（設(shè)計(jì)）人: 印鑒;藍(lán)海珊
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 劉俊

1.一種基于數(shù)據(jù)增強(qiáng)的深度哈希行人重識(shí)別方法，其特征在于，包括以下步驟：

S1：對(duì)原始數(shù)據(jù)集圖片進(jìn)行K-means聚類，建立深度卷積生成對(duì)抗網(wǎng)絡(luò)分別對(duì)n組聚類圖片生成n組無標(biāo)簽行人圖片；

S2：建立深度哈希卷積神經(jīng)網(wǎng)絡(luò),建立三元組損失和均值標(biāo)簽平滑損失函數(shù)；

S3：將原始圖片和生成圖片一起送入網(wǎng)絡(luò)中訓(xùn)練，并在測試集上進(jìn)行測試。

2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的深度哈希行人重識(shí)別方法，其特征在于，所述步驟S1的具體過程是：

S11：對(duì)k類原始數(shù)據(jù)集圖片，放入在ImageNet上預(yù)訓(xùn)練好的Resnet50網(wǎng)絡(luò)中，先隨機(jī)選取n個(gè)中心點(diǎn)即n張圖片，遍歷所有提取到的圖片特征，通過計(jì)算其他圖片特征到中心點(diǎn)特征的歐式距離將每個(gè)圖片特征劃分到最近的中心點(diǎn)中，計(jì)算每個(gè)聚類的平均值，并作為新的中心點(diǎn)，一共迭代40-60次左右將原始數(shù)據(jù)集圖片聚類為n個(gè)類；

其中，Imagenet是一個(gè)包含2萬多個(gè)類別，有1400多萬幅張圖片的數(shù)據(jù)集，是目前深度學(xué)習(xí)圖像領(lǐng)域算法性能檢驗(yàn)的“標(biāo)準(zhǔn)”數(shù)據(jù)集，用于預(yù)訓(xùn)練Resnet50網(wǎng)絡(luò)，直接用Imagenet數(shù)據(jù)集預(yù)訓(xùn)練好的Resnet50網(wǎng)絡(luò)作為基網(wǎng)絡(luò)，Resnet50是深度卷積神經(jīng)網(wǎng)絡(luò)，哈希指的是在實(shí)驗(yàn)最后將實(shí)數(shù)值特征映射到了哈希維度的特征，即01特征；

S12：建立一個(gè)生成器網(wǎng)絡(luò)G和一個(gè)判別器網(wǎng)絡(luò)D；

S13：在G、D中，除G網(wǎng)絡(luò)的輸出層和D網(wǎng)絡(luò)的輸入層，其他層均使用批量規(guī)范化幫助模型收斂，損失函數(shù)為V(D,G)＝E_x～P_data(x)[lnD(x)]+E_z～P_z(z)[ln(1-D(G(z)))]，其中E_x～P_data(x)表示在訓(xùn)練數(shù)據(jù)x中取得真實(shí)樣本，E_z～P_z(z)表示從已知的噪聲分布中提取的樣本，x表示真實(shí)圖片，z表示輸入G網(wǎng)絡(luò)的噪聲，G(z)表示G網(wǎng)絡(luò)生成的圖片，D(x)表示D網(wǎng)絡(luò)判斷真實(shí)圖片為真實(shí)的概率，D(G(z))表示D網(wǎng)絡(luò)判斷G生成的圖片為真實(shí)的概率，G希望自己生成的圖片越接近真實(shí)越好，即D(G(z))盡可能得大，希望V(D,G)越小越好，D希望D(x)越大，D(G(z))越小，希望V(D,G)越大越好；

S14：使用梯度下降法，在每個(gè)epoch的每batchsize張圖片訓(xùn)練中，對(duì)D網(wǎng)絡(luò)參數(shù)更新一次后，固定D網(wǎng)絡(luò)，對(duì)G網(wǎng)絡(luò)參數(shù)更新兩次，以避免D網(wǎng)絡(luò)的loss為0，即對(duì)D和G交替做優(yōu)化訓(xùn)練，在30個(gè)epoch之后停止訓(xùn)練；

S15：該深度卷積生成對(duì)抗網(wǎng)絡(luò)先對(duì)整個(gè)原始數(shù)據(jù)集進(jìn)行訓(xùn)練，在整個(gè)數(shù)據(jù)集訓(xùn)練得到的模型基礎(chǔ)上再分別用每組聚類得到的圖片進(jìn)行訓(xùn)練，訓(xùn)練得到n個(gè)模型，再用生成器網(wǎng)絡(luò)G對(duì)應(yīng)生成n組圖片，得到n組用于數(shù)據(jù)增強(qiáng)的圖片。

3.根據(jù)權(quán)利要求2所述的基于數(shù)據(jù)增強(qiáng)的深度哈希行人重識(shí)別方法，其特征在于，所述步驟S12中建立一個(gè)生成器網(wǎng)絡(luò)G的過程是：

G網(wǎng)絡(luò)的輸入是batchsize個(gè)N維的隨機(jī)噪聲向量，先通過一個(gè)全連接層轉(zhuǎn)化為4x4x1024向量，在reshape成4x4x1024矩陣后通過四層反卷積進(jìn)行上采樣，并逐漸減少通道數(shù)，最后得到batchsize張64x64x3大小的圖片，最后的輸出層使用tanh激活函數(shù)，其余層使用relu激活函數(shù)。

4.根據(jù)權(quán)利要求3所述的基于數(shù)據(jù)增強(qiáng)的深度哈希行人重識(shí)別方法，其特征在于，所述步驟S12中建立一個(gè)判別器網(wǎng)絡(luò)D的過程是：

D網(wǎng)絡(luò)的輸入是batchsize張64x64x3大小的圖片，通過四個(gè)卷積層得到4x4x1024矩陣，在flatten成4x4x1024向量之后經(jīng)過一個(gè)全連接層得到batchsize維向量，最后將得到的batchsize維特征值送入sigmoid函數(shù)，輸出值小于等于0.5則判別為假圖片，大于0.5則判別為真圖片，在D網(wǎng)絡(luò)中所有層都使用LeakyReLU激活函數(shù)。