[發明專利]基于生成網絡的行人重識別數據集擴充方法及系統

在審

• 申請號: 202210079895.7
• 申請日: 2022-01-24
• 公開（公告）號: CN114511880A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 游浩泉;袁德勝;劉耀文;崔龍;林治強;黨毅飛;馬衛民
• 申請（專利權）人: 匯納科技股份有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 趙詩雨

1.一種基于生成網絡的行人重識別數據集擴充方法，其特征在于，包括以下步驟：

基于行人重識別數據集獲取行人圖像，將所述行人圖像組成行人圖像三元組；

對所述行人圖像三元組進行特征提取，獲取行人特征；

對所述行人特征進行特征融合，獲取多人融合特征；

對所述行人圖像三元組進行風格提取，獲取風格特征；

對所述多人融合特征、所述行人特征和所述風格特征進行圖像重構，獲取第一生成行人圖像；

對所述第一生成行人圖像進行圖像辨別，得到第二生成行人圖像；

對所述第二生成行人圖像進行特征提取，得到第二生成行人特征，將所述第二生成行人特征與所述行人特征進行對比學習，得到新的行人圖像；

基于生成網絡將所述第二生成行人特征與所述行人特征進行行人辨別，獲取同行人合成的行人圖像；

使用所述新的行人圖像和所述同行人合成的行人圖像擴充所述行人重識別數據集。

2.根據權利要求1所述的基于生成網絡的行人重識別數據集擴充方法，其特征在于，對所述行人特征進行特征融合，獲取多人融合特征包括以下步驟：

對所述行人特征兩兩組隊，獲取特征組；

對所述特征組進行平均和線性處理，得到與所述行人特征長度一致的第一輸出特征；

對所述特征組進行特征組合并進行線性處理，得到與所述行人特征長度一致的第二輸出特征；

對所述第二輸出特征進行激活函數映射，得到所述第二輸出特征的權重；

對所述第一輸出特征與所述權重進行相乘，得到所述多人融合特征。

3.根據權利要求1所述的基于生成網絡的行人重識別數據集擴充方法，其特征在于，對所述多人融合特征、所述行人特征和所述風格特征進行圖像重構，獲取第一生成行人圖像包括以下步驟：

對所述多人融合特征和所述行人特征進行線性處理，提取所述多人融合特征對應的第一參數信息和所述行人特征對應的第二參數信息；

將所述第一參數信息和所述第二參數信息進行拼接，得到新的參數信息；

搭建圖像重構網絡；所述圖像重構網絡包括卷積網絡；

將所述新的參數信息替換所述卷積網絡中第一層的參數信息，產生新的卷積網絡；

基于所述新的卷積網絡對所述風格特征進行多次卷積和上采樣，得到三維的風格特征；

將所述三維的風格特征進行上采樣得到所述第一生成行人圖像。

4.根據權利要求1所述的基于生成網絡的行人重識別數據集擴充方法，其特征在于，對所述第一生成行人圖像進行圖像辨別，得到第二生成行人圖像包括以下步驟：

判斷所述第一生成行人圖像與所述行人圖像的差距；

將所述第一生成行人圖像的真假進行判定和分類，得到所述第二生成行人圖像。

5.根據權利要求1所述的基于生成網絡的行人重識別數據集擴充方法，其特征在于，將所述第二生成行人特征與所述行人特征進行對比學習，得到新的行人圖像包括以下步驟：

基于對比學習對所述行人特征和所述第二生成行人特征進行訓練，得到訓練結果；

基于所述訓練結果對所述行人特征和所述第二生成行人特征進行損失計算，得到損失值；所述損失值用于表示所述第二生成行人特征與所述行人特征之間的差異；

循環上述步驟，得到所述第三生成行人圖像。