[發明專利]用于生成目標再識別模型和用于目標再識別的方法和裝置

在審

• 申請號: 202011143731.3
• 申請日: 2020-10-23
• 公開（公告）號: CN112149637A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 王之港;王健;丁二銳;孫昊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了用于生成目標再識別模型和用于目標再識別的方法、裝置、設備和存儲介質，涉及人工智能技術領域，具體為計算機視覺和深度學習技術領域。具體實現方案為：獲取有標簽的樣本集、無標簽的樣本集、經監督式訓練得到的初始化模型；使用初始化模型對無標簽的樣本集中每個樣本進行特征提?。皇褂镁垲愃惴▽臒o標簽的樣本集提取的特征進行聚類；對于無標簽的樣本集中每個樣本，根據該樣本在特征空間中對應的類簇為該樣本分配偽標簽；將具有偽標簽的樣本集和有標簽的樣本集混合作為訓練樣本集，對初始化模型進行監督式訓練得到目標再識別模型。該實施方式充分利用有標簽的數據進行模型訓練，提高模型訓練速度和精度，從而提高了再識別的準確性。

技術領域

本申請涉及人工智能技術領域，具體為計算機視覺和深度學習技術領域。

背景技術

人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，既有硬件層面的技術也有軟件層面的技術。人工智能硬件技術一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數據處理等技術；人工智能軟件技術主要包括計算機視覺技術、語音識別技術、自然語言處理技術以及機器學習/深度學習、大數據處理技術、知識圖譜技術等幾大方向。

目標再識別也叫目標重識別，目前集中在行人再識別和車輛再識別領域，尤其是行人再識別研究較多，公開的數據集也比較多。目標再識別主要用于解決目標的跨相機跟蹤，實現場景匹配可以實現嫌疑行人/車輛的跨視場跟蹤以及軌跡預測等。在實際的工業應用中，難以獲取大規模行人或車輛等目標再識別任務的標簽，在這種情況下，使用無監督學習就成了使用再識別技術的有效前提?，F有無監督的再識別技術通?；谠诠_數據集上訓練的再識別模型，但是在此過程中，有標簽數據集只被用來學習一個預訓練模型，之后就只會用到無標簽數據進行訓練。這種情況沒有充分利用寶貴的有標簽數據，造成了極大浪費。

發明內容

本公開提供了一種用于生成目標再識別模型的方法、裝置、設備以及存儲介質以及一種用于目標再識別的方法、裝置、設備以及存儲介質。

根據本公開的第一方面，提供了一種用于生成目標再識別模型的方法，包括：獲取有標簽的樣本集、無標簽的樣本集、經監督式訓練得到的初始化模型。使用初始化模型對無標簽的樣本集中每個樣本進行特征提取。使用聚類算法對從無標簽的樣本集提取的特征進行聚類。對于無標簽的樣本集中每個樣本，根據該樣本在特征空間中對應的類簇為該樣本分配偽標簽。將具有偽標簽的樣本集和有標簽的樣本集混合作為訓練樣本集，對初始化模型進行監督式訓練得到目標再識別模型。

根據本公開的第二方面，提供了一種用于目標再識別的方法，包括：獲取待識別的監控圖像。將監控圖像輸入根據第一方面之一中任一項的方法訓練的目標再識別模型，生成目標再識別結果。

根據本公開的第三方面，提供了一種用于生成目標再識別模型的裝置，包括：獲取單元，被配置成獲取有標簽的樣本集、無標簽的樣本集、經監督式訓練得到的初始化模型。特征提取單元，被配置成使用初始化模型對無標簽的樣本集中每個樣本進行特征提取。聚類單元，被配置成使用聚類算法對從無標簽的樣本集提取的特征進行聚類。分配單元，被配置成對于無標簽的樣本集中每個樣本，根據該樣本在特征空間中對應的類簇為該樣本分配偽標簽。訓練單元，被配置成將具有偽標簽的樣本集和有標簽的樣本集混合作為訓練樣本集，對初始化模型進行監督式訓練得到目標再識別模型。

根據本公開的第四方面，提供了一種用于目標再識別的裝置，包括：圖像獲取單元，被配置成獲取待識別的監控圖像。圖像識別單元，被配置成將所述監控圖像輸入根據第一方面之一中任一項所述的方法訓練的目標再識別模型，生成目標再識別結果。

根據本公開的第五方面，提供了一種電子設備，其特征在于，包括：至少一個處理器。以及與至少一個處理器通信連接的存儲器。其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行第一方面中任一項的方法。