[发明专利]基于多特征信息捕捉和相关性分析的物品图像重识别方法

说明书

一种基于多特征信息捕捉和相关性分析的物品图像重识别方法，通过利用带有空间注意力机制和通道注意力机制的卷积层，对输入的特征图进行加权，考虑了通道和空间上信息的有效结合，不仅能够关注重要的特征并抑制不必要的特征，还能够提高关注点的表示，从而获得更优的特征。使用transformer，利用多头注意力机制能够更好的处理图像分块之后的特征，捕捉更加丰富的特征信息，能够考虑到特征间的相关性，从而能够获得良好的性能，提高物品图像检索的效率。结合带有通道注意力机制和空间注意力机制的卷积层和带有多头注意力机制的transformer，能够从全局上关注比较重要的特征，也能够更好的捕捉细粒度特征，从而使得重识别的性能能够有很好的提升。

技术领域

本发明涉及图像检索技术领域，具体涉及一种基于多特征信息捕捉和相关性分析的物品图像重识别方法。

背景技术

近年来，迅速发展的人工智能、计算机视觉等技术在各个领域都有着广泛的应用。随着信息时代的不断发展，将计算机视觉与物品销售、管理等方面的结合也成为目前关注的热点。给定一个查询的物品图像，物品图像重识别能够通过多个不同的摄像机检索到同一物品的所有图像。物品重识别技术不仅能够提升人们的购物体验，还能节约一定的成本，提高生产力，同时也能降低物品的丢失率。物品图像重识别系统的应用也很广泛，不仅可以应用在小卖店、超市等零售行业，还可以应用在物流公司、仓库等大型的地方。

现有技术中，可以分为基于手工设计特征的图像重识别方法和基于深度学习的图像重识别方法，基于手工设计特征的图像重识别方法利用了图像中固有的属性进行了图像的重识别，但是能够预测到的图像类别受到限制，泛化能力差，比较耗时。基于深度学习的图像重识别方法有的重在关注全局信息，没有很好地捕获细微的特征间的差异，忽略了局部信息的重要性，有的只能捕捉到部分比较重要的信息，不能很好地考虑到整体的信息，从而导致图像重识别的精确率不高。

发明内容

本发明为了克服以上技术的不足，提供了一种提高物品重识别的效率和精确性的方法。

本发明克服其技术问题所采用的技术方案是：

一种基于多特征信息捕捉和相关性分析的物品图像重识别方法，包括：

a)采集若干张物品图像组成物品图像重识别数据库，标注数据库中物品图像的ID信息，将数据库划分为训练集和测试集；

b)建立基于多特征信息捕捉和相关性分析的物品图像重识别模型；

c)使用交叉熵损失函数和三元组损失函数优化物品图像重识别模型的目标函数；

d)将采集到的物品图像人工标记ID信息后，输入步骤c)优化后的物品图像重识别模型中进行训练，得到训练完成的物品图像重识别模型，将训练好的物品图像重识别模型进行保存；

e)将待检索的物品图像输入步骤d)中训练好的物品图像重识别模型，得到待检索物品的特征；

f)将待检索物品的特征与测试集中物品图像特征进行比较，通过相似性度量对比较结果进行排序。

进一步的，步骤b)包括如下步骤：

b-1)将输入图像的网络设为两个分支网络，分别为第一特征分支网络和第二特征分支网络；