[发明专利]一种基于双路互促进解纠缠学习的行人重识别方法

权利要求书

1.一种基于双路互促进解纠缠学习的行人重识别方法，其特征在于，包括通过训练流程得到具有提取域不变特征的内容编码器E₁、在测试流程中利用该内容编码器E₁对目标域测试样本中的行人进行重识别；所述训练流程包括内容编码分支和相机风格编码分支，所述内容编码分支包括内容编码器E₁和身份分类器W₁，所述相机风格编码分支包括风格编码器E₂和相机分类器W₂，具体包括以下步骤：

步骤1，采样及训练样本的选择

采样行人重识别数据集Duke中的M_s个身份的N_s张图片，组成源域训练样本X_s；采样行人重识别数据集Market1501中的N_t张图片，将其作为目标域训练样本X_t，其表达式分别为：

其中，i表示源域训练样本的序号，表示第i个源域训练样本，N_s表示源域训练样本数量；令第f个源域训练样本对应的身份标签为M_s表示源域训练样本行人类别总数；令第i个源域训练样本对应的相机标签为C_s表示源域训练样本相机类别总数；

表示第j个目标域训练样本，N_t表示目标域训练样本数量，j表示目标域训练样本序号，第j个目标域训练样本对应的相机标签为C_t表示目标域训练样本相机类别总数，目标域训练样本X_t的身份标签未知；

步骤2，内容编码分支的训练流程

步骤2.1，分别将源域训练样本X_s和目标域训练样本X_t输入内容编码器E₁，提取与行人身份相关的信息，得到源域训练样本内容编码器特征E₁(X_s)和目标域训练样本内容编码器特征E₁(X_t)；

步骤2.2，将源域训练样本内容编码器特征E₁(X_s)，输入到身份分类器W₁，利用将源域训练样本内容编码器特征E₁(X_s)分类到正确的身份的过程，对内容编码器E₁和身份分类器W₁进行一次优化，并将优化结果分别记为一次优化后的内容编码器E′₁和一次优化后的身份分类器为W′₁；

步骤3，风格编码分支的训练流程

步骤3.1，分别将源域训练样本X_s和目标域训练样本X_t输入到风格编码器E₂，提取相机的风格信息，得到源域训练样本相机编码器特征E₂(X_s)和目标域训练样本相机风格编码器特征E₂(X_t)；

步骤3.2，将源域训练样本相机编码器特征E₂(X_s)和目标域训练样本相机风格编码器特征E₂(X_t)，输入到相机分类器W₂，利用将源域训练样本相机编码器特征E₂(X_s)和目标域训练样本相机风格编码器特征E₂(X_t)分类到正确的相机的过程，对风格编码器E₂和相机分类器W₂进行一次优化，并将优化结果分别记为一次优化后的相机风格编码器E′₂和一次优化后的相机分类器W′₂；

步骤4，对抗学习训练

固定一次优化后的身份分类器W′₁的参数和一次优化后的相机分类器W′₂的参数；

将源域训练样本内容编码器特征E₁(X_s)和目标域训练样本内容编码器特征E₁(X_t)输入到一次优化后的相机分类器W′₂，对内容编码器E₁进行二次优化，并将优化结果记为二次优化后的内容编码器E″₁；同时将源域训练样本相机编码器特征E₂(X_s)和目标域训练样本相机风格编码器特征E₂(X_t)输入到一次优化后的身份分类器W′₁，对风格编码器E₂进行二次优化，并将优化结果记为二次优化后的相机风格编码器E″₂；

通过以上对抗学习的方式，使二次优化后的内容编码器E″₁具有提取域不变特征的能力；

步骤5，测试流程，具体步骤如下：

步骤5.1，采样行人重识别数据集Market1501中的M_o个身份的N_o张图片，组成目标域测试样本X₀；

其中，l表示目标域测试样本序号，表示第l个目标域测试样本，N_o表示目标域测试样本数量，令第l个目标域测试样本对应的身份标签为M_o表示目标域测试样本行人类别总数；令第l个目标域测试样本对应的相机标签为C_o表示目标域测试样本相机类别总数；

步骤5.2，将目标域测试样本X_o输入到步骤4得到的二次优化后的内容编码器E″₁，得到目标域测试样本内容编码器特征E″₁(X_o)，计算目标域测试样本X₀与其对应的身份标签之间的准确率。