[發明專利]行人重識別模型訓練方法、裝置及行人重識別方法、裝置

在審

• 申請號: 202010464193.1
• 申請日: 2020-05-27
• 公開（公告）號: CN111738090A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 賴申其;柴振華
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

1.一種行人重識別模型訓練方法，其特征在于，包括：

利用行人重識別模型的卷積網絡對行人圖像進行特征提取，得到所述行人圖像的原始特征；

利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征；

利用所述行人重識別模型的圖神經網絡，確定各行人局部特征之間的相似性矩陣，并根據所述相似性矩陣對各行人局部特征進行調整；

基于調整后的行人局部特征確定行人識別結果，根據所述行人識別結果確定行人重識別模型的訓練損失，根據所述訓練損失對所述行人重識別模型的參數進行優化。

2.根據權利要求1所述的行人重識別模型訓練方法，其特征在于，所述利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征包括：

利用所述注意力模塊對所述原始特征進行處理，得到多個注意力掩模；

根據多個所述注意力掩模和所述原始特征確定多個所述行人局部特征。

3.根據權利要求1所述的行人重識別模型訓練方法，其特征在于，所述注意力模塊包括空間注意力模塊和通道注意力模塊，所述利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征包括：

基于所述空間注意力模塊對所述原始特征進行處理，得到空間注意力掩模；

基于所述通道注意力模塊對所述原始特征進行處理，得到通道注意力掩模；

將所述空間注意力掩模和所述通道注意力掩模進行融合，得到注意力掩模。

4.根據權利要求1所述的行人重識別模型訓練方法，其特征在于，所述利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征包括：

基于空間維度，對所述原始特征進行維度變換和矩陣變換，得到特征關聯強度矩陣，以及基于通道維度，對所述原始特征進行維度變換和矩陣變換，得到通道關聯強度矩陣；

分別對所述特征關聯強度矩陣和所述通道關聯強度矩陣進行歸一化處理，得到空間注意力圖和通道注意力圖；

根據所述空間注意力圖和所述原始特征確定空間注意力掩模，以及根據所述通道注意力圖和所述原始特征確定通道注意力掩模。

5.根據權利要求2所述的行人重識別模型訓練方法，其特征在于，所述行人重識別模型的訓練方法還包括：

利用訓練輔助模塊隨機擦除注意力掩模區域；

所述利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征包括：

根據擦除后的注意力掩模得到行人局部特征。

6.根據權利要求2所述的行人重識別模型訓練方法，其特征在于，所述行人重識別模型的訓練方法還包括：

利用訓練輔助模塊對多個所述注意力掩模進行正則化處理，得到所述注意力掩模之間的重疊區域，根據所述注意力掩模之間的重疊區域調整所述注意力掩模；

所述利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征包括：

根據調整后的注意力掩模得到所述行人局部特征。

7.根據權利要求1所述的行人重識別模型訓練方法，其特征在于，所述利用所述行人重識別模型的圖神經網絡，確定各行人局部特征之間的相似性矩陣，并根據所述相似性矩陣對各行人局部特征進行調整包括：

利用所述行人重識別模型的圖神經網絡，計算任意兩個行人局部特征之間的相似度，得到所述相似性矩陣；

根據所述相似性矩陣和所述行人局部特征確定調整后的行人局部特征。

8.一種行人重識別方法，其特征在于，包括：

利用行人重識別模型的卷積網絡對行人圖像進行特征提取，得到所述行人圖像的原始特征；

利用行人重識別模型的注意力模塊對所述原始特征進行處理，得到多個行人局部特征；

利用所述行人重識別模型的圖神經網絡，確定各行人局部特征之間的相似性矩陣，并根據所述相似性矩陣對各行人局部特征進行調整；

基于調整后的行人局部特征確定行人識別結果，所述行人重識別模型是根據權利要求1至7中任一項所述的行人重識別模型訓練方法訓練得到的。