[發明專利]基于正則化約束的半監督行人重識別方法及裝置

有效

• 申請號: 202110426252.0
• 申請日: 2021-04-20
• 公開（公告）號: CN113111814B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 呂剛;蔣鵬飛;年福東;吳超;周銅;徐珊珊;趙浩;梅益
• 申請（專利權）人: 合肥學院
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 合肥維可專利代理事務所(普通合伙) 34135
• 代理人: 吳明華

1.基于正則化約束的半監督行人重識別方法，其特征在于，包括：

對行人重識別模型進行訓練，所述行人重識別模型包括結構完全相同的第一神經網絡和第二神經網絡；

將待識別圖像輸入第一神經網絡或者第二神經網絡進行行人重識別；

其中，行人重識別模型的訓練過程包括：

(1)將有標簽圖像數據和無標簽圖像數據同時輸入第一神經網絡和第二神經網絡；

(2)基于有標簽圖像數據輸入第一神經網絡后的輸出結果計算第一神經網絡輸出值的第一約束函數，基于有標簽和無標簽圖像數據中的同一張圖像輸入第一神經網絡和第二神經網絡的輸出結果一致為第一神經網絡輸出值的第二約束函數；

(3)基于第一約束函數和第二約束函數對第一神經網絡進行參數更新，并即時基于更新后的第一神經網絡參數更新第二神經網絡參數；

(4)重復(1)-(3)直至(2)中的第一約束函數和第二約束函數的融合結果滿足收斂條件，完成行人重識別模型訓練；

所述第一約束函數獲取方法包括：

對于每個有標簽圖像在有標簽圖像數據集中隨機選擇一個同類標簽的樣本和一個不同類標簽的樣本組成一個三元訓練樣本；

基于一個三元訓練樣本輸入到第一神經網絡后獲得輸出基于輸出的趨向于與一致同時趨向于與不一致為約束條件，獲得三元組損失函數L1；

基于和有標簽圖像的標簽數據計算得到交叉熵損失函數L2；

基于有標簽圖像輸入到第一神經網絡后獲得輸出時的網絡權重參數θ的矩陣與正交矩陣的損失值計算得到第一正交約束函數L_OW；

基于有標簽圖像輸入到第一神經網絡過程中全部隱藏層輸出的隱藏特征矩陣與正交矩陣的損失值計算得到第二正交約束函數L_OF；

基于三元組損失函數、交叉熵損失函數、第一正交約束函數、第二正交約束函數進行加權和得到第一約束函數為：

其中，表示有標簽圖像，表數無標簽圖像，表示有標簽圖像在第一神經網絡權重參數為θ的情況下輸入到第一神經網絡得到的輸出結果，表示無標簽圖像在第一神經網絡權重參數為θ的情況下輸入到第一神經網絡得到的輸出結果，表示有標簽圖像在第二神經網絡權重參數為θ′的情況下輸入到第二神經網絡得到的輸出結果，表示無標簽圖像在第一神經網絡權重參數為θ′的情況下輸入到第二神經網絡得到的輸出結果，β_tr，β_OF，β_OW是超參數；

所述基于有標簽和無標簽圖像數據中的同一張圖像輸入第一神經網絡和第二神經網絡的輸出結果一致為第一神經網絡輸出值的第二約束函數，第二約束函數L_E為：

其中，(h,w)表示圖像的每個像素點。

2.根據權利要求1所述的于正則化約束的半監督行人重識別方法，其特征在于，所述第一正交約束函數獲取方法包括：

基于第一神經網絡的每層權重參數作為一個向量，基于第一神經網絡的所有層權重參數獲得一個格拉姆矩陣F，

基于格拉姆矩陣F乘格拉姆矩陣的轉置趨向于與拉姆矩陣的轉置乘以格拉姆矩陣為約束條件得到第一正交約束函數L_OW為：

其中，η、λ₁、λ₂為系數。