[发明专利]一种基于SP-PGGAN风格迁移的行人重识别方法

权利要求书

1.一种基于SP-PGGAN的风格迁移方法，其特征在于包括SP-PGGAN模型，该模型用于有标注的行人重识别数据集和无标注的行人重识别数据集之间的风格迁移，其模型结构是在CycleGAN基础上进行的改进，CycleGAN是两个镜像对称的GAN，构成了一个环形网络，两个GAN共享生成器G和生成器F，生成器G和生成器F各自带一个局部判别器，分别为D_X和D_Y，SP-PGGAN是在CycleGAN的基础上，保留了CycleGAN的生成器，并且在生成器生成后加入了孪生网络来指导生成器的生成过程，同时，将CycleGAN的局部判别器D_X和D_Y替换成了并行的局部判别器和全局判别器。

2.根据权利要求1所述的一种基于SP-PGGAN的风格迁移方法，其特征在于：所述的SP-PGGAN的生成器由两部分组成：一部分是CycleGAN的生成器G和生成器F，每个生成器由浅入深依次是两个步长为2的卷积层、六个残差块和两个步长为1/2的反卷积层；另一部分是孪生网络，它由浅入深依次是四层步长为2的卷积层、四层步长为2的最大池化层和一层全连接层；

SP-PGGAN判别器包括判别器D_T和判别器D_s，其中判别器D_T包括局部判别器D_T和全局判别器D_T，判别器D_s包括局部判别器D_s和全局判别器D_s；判别器D_T和判别器D_s结构相同，参数不共享，其中，全局判别器D_T和局部判别器D_T共享四层步长为2的卷积层，从第四层结束开始分为两路，一路是D_T全局判别器；另一路是D_T局部判别器，它通过全连接层输出一个256维的向量。

3.根据权利要求1所述的一种基于SP-PGGAN的风格迁移方法，其特征在于：所述的SP-PGGAN的训练过程为：

对于正方向而言，其生成过程为，来自于有标注数据集的训练集图片x通过生成器G生成一张图片G(x)，图片G(x)通过生成器F生成图片F(G(x))，然后将图片x和G(x)、图片G(x)和无标注数据集训练集的图片y分别输入到孪生网络，孪生网络用于提高风格迁移过程中有标注数据中的行人ID信息的准确性；其判别过程为，将图片G(x)和无标注数据集训练集的图片y同时输入到全局判别器D_T和局部判别器D_T中进行判别器的训练，其中全局判别器是对整体图片的真假进行判别，局部判别器是对图片的局部真假进行判别；

对于反方向而言，其生成过程为，来自于无标注数据集训练集的图片y通过生成器F生成一张图片F(y)，图片F(y)通过生成器G生成图片G(F(y))，然后将图片y和F(y)、图片F(y)和有标注数据集训练集的图片x分别输入到孪生网络；其判别过程为，将图片F(y)和有标注数据集训练集的图片x同时输入到全局判别器D_s和局部判别器D_s中进行判别器的训练；

在训练过程中，先保持判别器不变，训练生成过程的参数，然后固定生成器，训练判别器的参数，重复上述过程，让生成器和判别器分别逐渐进化。