[发明专利]基于增广网络的无监督行人重识别方法

权利要求书

1.一种基于增广网络的无监督行人重识别方法，其特征在于，包括以下步骤：

S1：对无标签的原始行人图像数据集D0进行增广操作，所述增广操作包括图像缩放、随机裁剪、随机擦除、加噪和高斯模糊的一种或多种，得到M个新的增广数据集D1～DM，M为正整数；

S2：将原始行人图像数据集D0中的原始图像数据通入一个卷积神经网络作为主网络N0进行前向传播提取得到特征F0；

S3：将M个增广数据集D1～DN中对应的增广图像数据分别输入M个参数不共享的卷积神经网络作为增广网络N1～NM进行前向传播提取得到特征F1～FM；

S4：从原始行人图像数据集D0中随机选取一张图像Inegative作为负样本，通入主网络N0前向传播提取得到特征Fnegative；

S5：用输出特征F0分别与输出特征F1～FM计算欧式距离，得到M个损失值L1～LM；

S6：用输出特征Fnegative分别与输出特征F0～FM计算欧氏距离，得到M+1个损失值L0nagetive～LMnegative；

S7：将S5中得到的M个损失值L1～LM分别与S6中得到的M个损失值L1negative～LMnegative相减后得到的结果作为损失对增广网络N1～NM进行后向传播计算梯度更新增广网络参数；

S8：将S5中得到的M个损失值L1～LM进行求和与S6中得到的损失值L0negative～LMnegative求和的结果相减，得到总损失值L0；

S9：将S8中得到的总损失值L0作为损失对主网络N0进行后向传播计算梯度更新主网络参数；

S10：重复S2～S9的操作，直到主网络与增广网络收敛；

S11：将主网络模型作为输出。

2.根据权利要求1所述基于增广网络的无监督行人重识别方法，其特征在于，步骤S1中，当增广操作中包括图像缩放处理时，使用双线性插值的方法对图像进行缩放，从而模拟自然数据集中可能出现的各种不同分辨率的图像，具体计算方式如下：

其中Q11＝(x1,y1)，Q12＝(x1,y2)，Q21＝(x2,y1)，Q22＝(x2,y2)为点(x,y)最为接近的四个像素点。

3.根据权利要求1所述基于增广网络的无监督行人重识别方法，其特征在于，步骤S1中，当增广操作中包括随机剪裁处理时，使用随机裁剪方法进行增广，从而模拟自然数据集中可能出现的各种局部行人图像，具体方法为：

先随机在图像中选取一个像素点，再以该像素点作为左上角随机以一定的长与宽构成一个矩形，将这整个矩形中的像素点作为裁剪的结果进行输出。

4.根据权利要求1所述基于增广网络的无监督行人重识别方法，其特征在于，步骤S1中，当增广操作中包括随机擦除处理时，使用随机擦除方法进行增广，从而模拟自然数据集中可能出现的各种缺失或不完整行人图像，具体方法为：

先随机在图像中选取一个像素点，再以该像素点作为左上角随机以一定的长与宽构成一个矩形，将这整个矩形中的像素点的像素值全部置为黑，即像素值(0,0,0)，然后将操作后的整张图像作为随机擦除的结果进行输出。

5.根据权利要求1所述基于增广网络的无监督行人重识别方法，其特征在于，步骤S1中，当增广操作中包括加噪方法处理时，使用加噪方法进行增广，从而模拟自然数据集中可能出现的图像噪声，具体操作为：

对每个像素点都有一定的概率值变为白点，即像素值(255,255,255))或黑点，即像素值(0,0,0)，然后将操作后的整张图像作为加噪结果进行输出。

6.根据权利要求1所述基于增广网络的无监督行人重识别方法，其特征在于，步骤S1中，当增广操作中包括高斯模糊处理时，使用高斯模糊方法进行增广，从而模拟自然数据集中可能出现的图像模糊的情况，根据以下公式：

设定好σ值后即可计算出权重矩阵，从而以图像中的每一个像素为中心进行矩阵运算，就能达到对图像进行模糊的目的。