[發明專利]行人重識別模型優化處理方法、裝置和計算機設備

有效

• 申請號: 202010529356.X
• 申請日: 2020-06-11
• 公開（公告）號: CN111860147B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 張少林;寧欣;龔克
• 申請（專利權）人: 北京市威富安防科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 唐彩琴

1.一種行人重識別模型優化處理方法，其特征在于，所述方法包括：

獲取樣本數據集以及模型標識；

對所述模型標識對應的原行人重識別模型進行網絡層刪除處理以及對最后一個卷積層的卷積步幅進行修改，得到主干網絡模型；

將所述樣本數據集輸入至所述主干網絡模型中，通過所述主干網絡模型對所述樣本數據集中的各樣本圖像進行特征提取，得到初始特征數據；

對所述初始特征數據進行批量標準化處理，得到多個特征圖；

根據多個特征圖以及所述主干網絡模型的預設網絡層構建多個注意力分支網絡模型，包括：根據多個特征圖構建得到相應的注意力圖，根據預先構建的特征多樣性損失函數計算所述注意力圖的損失，根據所述注意力圖的損失訓練所述注意力圖，根據訓練后的注意力圖構建多個注意力分支網絡模型；

將所述主干網絡模型以及多個注意力分支網絡模型進行組合，得到優化后的行人重識別模型，通過所述樣本數據集以及多個損失函數關系對所述優化后的行人重識別模型進行訓練，直至達到預設條件，停止模型訓練，輸出訓練后的行人重識別模型。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取待識別圖像；

將所述待識別圖像輸入至預設訓練的行人重識別模型中，通過所述行人重識別模型提取所述待識別圖像的有效特征數據；

將圖像庫中的預設圖像輸入至預先訓練的行人重識別模型中，通過所述行人重識別模型提取各預設圖像的有效特征數據；

根據所述待識別圖像的有效特征數據與各預設圖像的有效特征數據計算所述待識別圖像與各預設圖像之間的相似度，確定目標圖像。

3.根據權利要求2所述的方法，其特征在于，有效特征數據包括全局特征數據以及局部特征數據，所述通過所述行人重識別模型提取所述待識別圖像的有效特征數據包括：

通過所述行人重識別模型中的主干網絡模型對所述待識別圖像進行特征提取，得到所述待識別圖像的全局特征數據；

通過所述行人重識別模型中的各注意力分支網絡模型提取所述待識別圖像的多個局部特征數據；

將所述全局特征數據與多個局部特征數據進行連接，得到所述待識別圖像的有效特征數據。

4.根據權利要求1所述的方法，其特征在于，所述對所述模型標識對應的原行人重識別模型進行網絡層刪除處理以及對最后一個卷積層的卷積步幅進行修改，得到主干網絡模型包括：

將所述模型標識對應的原行人重識別模型中最后一個卷積層對應的下采樣層進行刪除處理；

根據預設步幅對所述最后一個卷積層的卷積步幅進行修改；

刪除所述原行人重識別模型中的全局池化層以及全連接層，得到修改后的原行人重識別模型，將所述修改后的原行人重識別模型作為主干網絡模型。

5.根據權利要求1所述的方法，其特征在于，所述對所述初始特征數據進行批量標準化處理，得到多個特征圖包括：

對所述初始特征數據進行批量標準化處理，得到標準化處理后的初始特征數據；

通過指定尺寸的卷積核對所述標準化處理后的初始特征數據進行卷積運算，得到多個特征圖。

6.根據權利要求1所述的方法，其特征在于，所述預設網絡層包括第一網絡層以及第二網絡層，所述根據多個特征圖以及所述主干網絡模型的預設網絡層構建多個注意力分支網絡模型包括：

將各特征圖轉換為相應的注意力圖，將各注意力圖與所述主干網絡模型中第一網絡層進行點乘處理，得到各注意力圖對應的點乘結果；

基于所述主干網絡模型中第二網絡層構建與所述注意力圖數量相同的網絡層；

將各注意力圖對應的點乘結果輸入至所述相應的網絡層中，在各網絡層之后加入全連接層，生成各注意力對應的注意力分支網絡模型。