[發明專利]基于多特征信息捕捉和相關性分析的物品圖像重識別方法

有效

• 申請號: 202110732494.2
• 申請日: 2021-06-29
• 公開（公告）號: CN113449131B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 聶秀山;張雪;王春濤;陶鵬;李曉峰
• 申請（專利權）人: 山東建筑大學
• 主分類號: G06F16/53
• 分類號: G06F16/53;G06F16/538;G06V10/74;G06V10/774;G06K9/62
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 支文彬

一種基于多特征信息捕捉和相關性分析的物品圖像重識別方法，通過利用帶有空間注意力機制和通道注意力機制的卷積層，對輸入的特征圖進行加權，考慮了通道和空間上信息的有效結合，不僅能夠關注重要的特征并抑制不必要的特征，還能夠提高關注點的表示，從而獲得更優的特征。使用transformer，利用多頭注意力機制能夠更好的處理圖像分塊之后的特征，捕捉更加豐富的特征信息，能夠考慮到特征間的相關性，從而能夠獲得良好的性能，提高物品圖像檢索的效率。結合帶有通道注意力機制和空間注意力機制的卷積層和帶有多頭注意力機制的transformer，能夠從全局上關注比較重要的特征，也能夠更好的捕捉細粒度特征，從而使得重識別的性能能夠有很好的提升。

技術領域

本發明涉及圖像檢索技術領域，具體涉及一種基于多特征信息捕捉和相關性分析的物品圖像重識別方法。

背景技術

近年來，迅速發展的人工智能、計算機視覺等技術在各個領域都有著廣泛的應用。隨著信息時代的不斷發展，將計算機視覺與物品銷售、管理等方面的結合也成為目前關注的熱點。給定一個查詢的物品圖像，物品圖像重識別能夠通過多個不同的攝像機檢索到同一物品的所有圖像。物品重識別技術不僅能夠提升人們的購物體驗，還能節約一定的成本，提高生產力，同時也能降低物品的丟失率。物品圖像重識別系統的應用也很廣泛，不僅可以應用在小賣店、超市等零售行業，還可以應用在物流公司、倉庫等大型的地方。

現有技術中，可以分為基于手工設計特征的圖像重識別方法和基于深度學習的圖像重識別方法，基于手工設計特征的圖像重識別方法利用了圖像中固有的屬性進行了圖像的重識別，但是能夠預測到的圖像類別受到限制，泛化能力差，比較耗時。基于深度學習的圖像重識別方法有的重在關注全局信息，沒有很好地捕獲細微的特征間的差異，忽略了局部信息的重要性，有的只能捕捉到部分比較重要的信息，不能很好地考慮到整體的信息，從而導致圖像重識別的精確率不高。

發明內容

本發明為了克服以上技術的不足，提供了一種提高物品重識別的效率和精確性的方法。

本發明克服其技術問題所采用的技術方案是：

一種基于多特征信息捕捉和相關性分析的物品圖像重識別方法，包括：

a)采集若干張物品圖像組成物品圖像重識別數據庫，標注數據庫中物品圖像的ID信息，將數據庫劃分為訓練集和測試集；

b)建立基于多特征信息捕捉和相關性分析的物品圖像重識別模型；

c)使用交叉熵損失函數和三元組損失函數優化物品圖像重識別模型的目標函數；

d)將采集到的物品圖像人工標記ID信息后，輸入步驟c)優化后的物品圖像重識別模型中進行訓練，得到訓練完成的物品圖像重識別模型，將訓練好的物品圖像重識別模型進行保存；

e)將待檢索的物品圖像輸入步驟d)中訓練好的物品圖像重識別模型，得到待檢索物品的特征；

f)將待檢索物品的特征與測試集中物品圖像特征進行比較，通過相似性度量對比較結果進行排序。

進一步的，步驟b)包括如下步驟：

b-1)將輸入圖像的網絡設為兩個分支網絡，分別為第一特征分支網絡和第二特征分支網絡；