[發明專利]目標重識別方法及其網絡訓練方法、相關裝置

有效

• 申請號: 202010637098.7
• 申請日: 2020-07-03
• 公開（公告）號: CN111814655B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 孫立波;潘華東;殷俊
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06V20/60
• 分類號: G06V20/60;G06V40/10;G06V10/774
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種目標重識別網絡的訓練方法，其特征在于，包括：

獲取訓練圖像集，所述訓練圖像集中包括多個目標的圖像，且每個所述目標至少對應兩種風格的圖像，所述風格包括環境參數；

利用所述目標重識別網絡對所述訓練圖像集中每張所述圖像進行識別，以得到每張所述圖像的識別結果，所述識別結果包括所述圖像的特征；

基于所述識別結果獲取所述目標重識別網絡的損失，所述損失包括第一距離損失，所述第一距離損失是基于所述目標對應的不同風格的圖像的特征之間的距離得到的；

基于所述損失調整所述目標重識別網絡的參數；

重復上述步驟直至滿足停止訓練的條件；

所述基于所述識別結果獲取所述目標重識別網絡的第一距離損失，包括：

基于所述目標對應的不同風格的圖像的特征，分別獲取每個所述目標對應的不同風格的統計特征；

基于每個所述目標對應的不同風格的統計特征，獲取所述目標重識別網絡的第一距離損失。

2.根據權利要求1所述的方法，其特征在于，所述基于所述目標對應的不同風格的圖像的特征，分別獲取每個所述目標對應的不同風格的統計特征，包括：

對于每個所述目標，統計所述目標同一風格的圖像的特征，以得到所述目標對應所述風格的統計特征；

所述基于每個所述目標對應的不同風格的統計特征，獲取所述目標重識別網絡的第一距離損失，包括：

對于每個所述目標，獲取所述目標對應的不同風格的統計特征之間的距離，以作為所述目標的特征距離；

基于不同所述目標的特征距離，獲得所述目標重識別網絡的第一距離損失。

3.根據權利要求2所述的方法，其特征在于，所述統計所述目標同一風格的圖像的特征，以得到所述目標對應所述風格的統計特征，包括：

獲取所述目標同一風格的圖像的特征的平均特征，作為所述目標對應所述風格的統計特征；或者，

獲取所述目標同一風格的圖像的特征的中位特征，作為所述目標對應所述風格的統計特征；

所述獲取所述目標對應的不同風格的統計特征之間的距離，作為所述目標的特征距離，包括：

獲取所述目標對應的不同風格的統計特征之間的歐式距離，作為所述目標的特征距離；

所述基于不同所述目標特征的特征距離，獲得所述目標重識別網絡的第一距離損失：

將每個所述目標特征的特征距離之和，作為所述目標重識別網絡的第一距離損失。

4.根據權利要求1所述的方法，其特征在于，所述獲取訓練圖像集，包括：

獲取源域圖像集和目標域圖像集，所述源域圖像集中包括源域風格的第一圖像，所述目標域圖像集中包括目標域風格的第二圖像；

基于所述源域圖像集和目標域圖像集，將所述源域圖像集中的第一圖像進行風格轉換，以得到所述目標域風格的第三圖像；

從包含所述第一圖像和第三圖像的混合圖像集中，抽取若干圖像組成所述訓練圖像集。

5.根據權利要求4所述的方法，其特征在于，所述從包含所述第一圖像和第三圖像的混合圖像集中，抽取若干圖像組成所述訓練圖像集，包括：

在所述混合圖像集中獲取每個所述目標對應的目標圖像集；

按照隨機均衡采樣策略，從每個所述目標圖像集中抽取預設數量張圖像，以得到所述訓練圖像集。

6.根據權利要求1所述的方法，其特征在于，所述損失還包括分類損失；所述基于所述識別結果獲取所述目標重識別網絡的損失包括：

若訓練周期處于第一訓練周期，則基于第一識別結果中的分類結果，獲取所述目標重識別網絡的分類損失；

若所述訓練周期處于第二訓練周期，則基于所述第一識別結果中的所述特征，獲取所述目標重識別網絡的第一距離損失；

所述第一訓練周期和第二訓練周期的其中一個為奇數訓練周期，另一個為偶數訓練周期。