[發明專利]一種基于雙重注意力機制的車輛重識別方法及系統

有效

• 申請號: 202110381441.0
• 申請日: 2021-04-09
• 公開（公告）號: CN113221911B
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 胡永健;甘豪;劉琲貝
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/74;G06V10/40;G06V10/764;G06V10/34;G06V10/762;G06V10/774;G08G1/017;G06N3/0464;G06N3/048;G06N3/084
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 鄭秋松

1.一種基于雙重注意力機制的車輛重識別方法，其特征在于，包括下述步驟：

構建用于車輛特征提取的卷積神經網絡；

構建用于關注不同通道的通道注意力部件，所述通道注意力部件包括：全局平均池化層、第一卷積層、修正線性單元激活函數、第二卷積層和S型激活函數，所述通道注意力部件用于插入所述卷積神經網絡中的所有殘差塊中，對神經網絡隱藏層的不同通道分配不同權重；

構建用于關注特征適應粒度的粒度注意力部件，粒度注意力部件接在卷積神經網絡的最后一個卷積層后，采用廣義平均池化層；

在每個訓練批次中隨機選擇多類車輛，在每類車輛中隨機選擇多張圖像構建成批次圖像；

將批次圖像進行實時數據增強后輸入所述卷積神經網絡；

構建批量標簽平滑正則化后的交叉熵損失函數L_ce和三元組損失函數L_tr，交叉熵損失函數L_ce和三元組損失函數L_tr相加后得到整體的損失函數：

訓練卷積神經網絡，根據損失函數的梯度值更新卷積神經網絡權重，訓練完成后保存當前卷積神經網絡的權重；

將更新權重后的卷積神經網絡進行特征提取，計算特征之間的歐幾里得距離，對距離重排序后輸出車輛重識別結果；

所述對距離重排序后輸出車輛重識別結果，所述對距離重排序的具體計算公式表示為：

E(F_i,F_j)＝||F_i-F_j||₂

其中，D(F_i,F_j)表示特征F_i和特征F_j的新距離度量函數，μ表示一個常數，E(F_i,F_j)表示特征F_i和特征F_j的歐幾里得距離函數，||·||₂表示取向量的二范數，N表示測試集的圖像數，argmin_n(.)表示給定表達式取最小的n個值時對應的參數集合。

2.根據權利要求1所述的基于雙重注意力機制的車輛重識別方法，其特征在于，所述卷積神經網絡采用神經網絡ResNet-50作為基礎卷積神經網絡。

3.根據權利要求1所述的基于雙重注意力機制的車輛重識別方法，其特征在于，所述粒度注意力部件采用廣義平均池化層，具體表示為：

其中，X為卷積神經網絡提取的特征圖，|X|表示特征圖的像素點總數，x為特征圖X上的各點，p為可學習參數。

4.根據權利要求1所述的基于雙重注意力機制的車輛重識別方法，其特征在于，所述將批次圖像進行實時數據增強后輸入所述卷積神經網絡，所述實時數據增強包括調整圖像大小、零值填充、隨機裁剪、隨機亮度變化、隨機旋轉、標準化和隨機擦除步驟；

所述調整圖像大小步驟將圖像統一縮放到固定大小，縮放方法采用雙線性插值；

所述零值填充步驟采用灰度級為0的像素填充圖像的四邊，每邊填充固定個數的像素；

所述隨機裁剪步驟采用固定尺寸的裁剪框在圖像的指定范圍進行隨機裁剪；

所述隨機亮度變化步驟采用隨機因子調整車輛圖像的亮度；

所述隨機旋轉步驟將圖像在設定角度閾值內進行隨機角度旋轉，旋轉填充使用零值填充；

所述標準化步驟將圖像的紅綠藍通道分別減去指定的平均值，然后除以指定的標準差；

所述隨機擦除步驟設置擦除塊對圖像各個位置進行隨機擦除。