[发明专利]多任务分类网络的训练方法、行人重识别方法

权利要求书

1.一种多任务分类网络的训练方法，其特征在于，所述方法包括：

构建初始的多任务分类网络；所述多任务分类网络包括骨干网络、第一分支和包括多个注意力图提取网络的第二分支；

对所述多任务分类网络进行迭代训练；

对所述多任务分类网络进行任一次训练的过程包括：

获取训练样本集中的多张行人图像；

通过所述骨干网络将各所述行人图像处理为特征图；

通过所述第二分支中的各注意力图提取网络从各所述特征图中提取得到多张注意力图，对所述多张注意力图进行卷积池化操作以提取得到各所述行人图像对应的行人属性特征，根据各所述行人属性特征计算出行人属性预测损失；

提取各所述行人图像中多个行人身体部位对应的掩膜，提取到的多个掩膜与各所述行人图像中提取得到的多张注意力图一一对应，根据从各所述行人图像中提取的掩膜和注意力图计算出注意力损失；

通过所述第一分支提取出各所述特征图的行人身体特征，根据各所述行人身体特征计算出行人身份预测损失；

获取用于与各所述行人图像组成三元组的正负例样本，通过所述骨干网络和所述第一分支对所述正负例样本进行处理，根据处理结果计算出身份三元组损失和属性三元组损失；

根据所述行人身份预测损失、行人属性预测损失、注意力损失、身份三元组损失和属性三元组损失对所述多任务分类网络进行训练；

所述获取用于与各所述行人图像组成三元组的正负例样本，通过所述骨干网络和所述第一分支对所述正负例样本进行处理，根据处理结果计算出身份三元组损失和属性三元组损失的步骤，包括：

以各所述行人图像作为靶目标，获取用于与各所述行人图像组成身份三元组的第一正例样本、第一负例样本，以及用于与各所述行人图像组成属性三元组的第二正例样本、第二负例样本；

通过所述骨干网络和所述第一分支分别从各所述行人图像的第一正例样本、第一负例样本、第二正例样本和第二负例样本中提取出行人身体特征；

根据各所述行人图像、以及各所述行人图像的第一正例样本、第一负例样本、第二正例样本和第二负例样本中提取出的行人身体特征计算出身份三元组损失和属性三元组损失；

获取各所述行人图像的第一正例样本、第一负例样本和第二正例样本、第二负例样本的步骤，包括：

从预设行人图像集中选出用于与各所述行人图像组成身份三元组的第一正例样本、第一负例样本；

根据各所述行人图像对应的行人属性特征从预设行人图像集中选出用于与各所述行人图像组成属性三元组的第二正例样本、第二负例样本；

根据任一行人图像对应的行人属性特征从预设行人图像集中选出用于与该行人图像组成属性三元组的第二正例样本和第二负例样本的步骤，包括：

根据该任一行人图像对应的行人属性特征从所述预设行人图像集中的多张第一候选行人图像中，选出与该任一行人图像之间的属性特征距离最远的第一候选行人图像，作为第二正例样本；任一张第一候选行人图像所对应的行人身份与该任一行人图像对应的行人身份相同；

根据该任一行人图像对应的行人属性特征从所述预设行人图像集中的多张第二候选行人图像中，选出与该任一行人图像之间的属性特征距离最近的第二候选行人图像，作为第二负例样本；任一张第二候选行人图像所对应的行人身份与该任一行人图像对应的行人身份不相同。

2.如权利要求1所述的方法，其特征在于，根据各所述行人图像、以及各所述行人图像的第一正例样本、第一负例样本、第二正例样本和第二负例样本中提取出的行人身体特征计算所述行人图像对应的身份三元组损失和属性三元组损失的步骤，包括：

对各所述行人图像、以及各所述行人图像的第一正例样本、第一负例样本、第二正例样本和第二负例样本中提取出的行人身体特征分别进行串联归一化操作，得到各所述行人图像、以及各所述行人图像的第一正例样本、第一负例样本、第二正例样本和第二负例样本分别对应的联合身体特征；

根据各所述行人图像、以及各所述行人图像的第一正例样本、第一负例样本分别对应的联合身体特征计算出身份三元组损失；

根据各所述行人图像、以及各所述行人图像的第二正例样本、第二负例样本分别对应的联合身体特征计算出属性三元组损失。