[發明專利]一種基于淺層紋理提取的跨域重識別方法及相關設備

在審

• 申請號: 202210905641.6
• 申請日: 2022-07-29
• 公開（公告）號: CN115170836A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 徐穎;陳曉清;蔡大森;湯俊杰;陳明偉
• 申請（專利權）人: 深圳大學
• 主分類號: G06V10/62
• 分類號: G06V10/62;G06V10/54;G06V10/82;G06V10/26;G06V10/44
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種基于淺層紋理提取的跨域重識別方法，其特征在于，所述基于淺層紋理提取的跨域重識別方法包括：

獲取源域數據集和目標域數據集，將所述源域數據集和所述目標域數據集輸入到循環生成對抗網絡；

從所述源域數據集和所述目標域數據集分別采樣得到源域圖片和目標域圖片，所述循環生成對抗網絡根據所述目標域圖片的風格將所述源域圖片轉化為與所述目標域圖片的風格接近的生成圖片，并將所述生成圖片、所述源域圖片和所述目標域圖片輸入到重識別模型；

分別提取所述生成圖片、所述源域圖片與所述目標域圖片輸入所述重識別模型后得到的淺層特征圖以及深層特征圖，并進行損失計算；

根據損失計算梯度，更新所述循環生成對抗網絡與所述重識別模型的參數；

獲得更新后的循環生成對抗網絡，使用更新后的循環生成對抗網絡將所述源域數據集轉換成所述目標域數據集的風格；

將更新后的循環生成對抗網絡生成的圖片送入多粒度特征提取模型進行訓練，以得到跨域識別性能提高的重識別模型。

2.根據權利要求1所述的基于淺層紋理提取的跨域重識別方法，其特征在于，所述獲取源域數據集和目標域數據集，將所述源域數據集和所述目標域數據集輸入到循環生成對抗網絡，具體包括：

獲取所述源域數據集和所述目標域數據集，從所述源域數據集和所述目標域數據集中隨機采樣k個樣本；

將采集的k個樣本輸入到所述循環生成對抗網絡，生成對抗損失分別為：

其中，Ｇ表示循環生成對抗網絡的目標域生成器；F表示源域生成器；D_T表示目標域判別器；D_S表示源域判別器；A表示源域圖片；B表示目標域圖片；L_adv(G，D_T)表示循環生成對抗網絡的目標域生成器Ｇ的生成對抗損失；L_adv(F，D_S)表示循環生成對抗網絡的源域生成器F的生成對抗損失；表示服從于目標域圖片B的數據分布；D_T(B)表示目標域判別器D_T判斷目標域圖片B是目標域或不是目標域的判別結果；表示服從于源域圖片A的數據分布；G(A)表示將源域圖片A送入循環生成對抗網絡的目標域生成器Ｇ后生成的圖片；D_S(A)表示源域判別器D_S判斷源域圖片A是源域或不是源域的判別結果；D_S(F(B))表示源域判別器D_S判斷將目標域圖片B送入循環生成對抗網絡的源域生成器F后生成的圖片是源域或不是源域的判別結果；

循環一致損失表示為：

其中，F(Ｇ(A))表示將源域圖片A送入循環生成對抗網絡的目標域生成器G后生成的圖片Ｇ(A)送入循環生成對抗網絡的源域生成器F后生成的圖片；G(F(B))表示將目標域圖B送入循環生成對抗網絡的源域生成器F后生成的圖片F(B)送入循環生成對抗網絡的目標域生成器Ｇ后生成的圖片；

域內身份損失表示為：

其中，F(A)表示將源域圖片A送入循環生成對抗網絡的源域生成器F后生成的圖片；F(B)表示將目標域圖片B送入循環生成對抗網絡的源域生成器F后生成的圖片；

總體損失函數表示為：

L_CycleGAN(G，F，D_S，D_T)＝L_adv(G，D_T)+L_adv(F，D_S)+λ₁L_rec(Ｇ，F)+λ₂L_idt(G，F)；

其中，λ₁和λ₂表示權重。

3.根據權利要求2所述的基于淺層紋理提取的跨域重識別方法，其特征在于，所述將所述生成圖片、所述源域圖片和所述目標域圖片輸入到重識別模型，具體包括：

將源域圖片A、生成圖片A′和目標域圖片B輸入到重識別模型；

源域圖片A、生成圖片A′和目標域圖片B經過重識別模型提取的特征分別表示為M(A)、M(A′)和M(B)。