[发明专利]基于视觉表征跨传感器不变性的车辆重识别方法

权利要求书

1.基于视觉表征跨传感器不变性的车辆重识别方法，其特征在于，包括以下步骤：

获取遥感图像，依次输入神经网络的第一卷积层、第二卷积层、第一关系感知的全局注意力模块、第三卷积层、第二关系感知的全局注意力模块和第四卷积层；

所述第四卷积层将处理结果依次输入第三关系感知的全局注意力模块、第五卷积层、第四关系感知的全局注意力模块和第一BNNECK，所述第四卷积层还将处理结果依次输入第一全尺度模块、第二全尺度模块和第二BNNECK；

其中所述第一关系感知的全局注意力模块、第二关系感知的全局注意力模块、第三关系感知的全局注意力模块和第四关系感知的全局注意力模块生成具有全局感知的空间注意力权重和具有全局信息的通道注意力权重，所述第一全尺度模块和第二全尺度模块根据输入图像的特性分配不同的权重给不同尺度的图像特征，所述第一BNNECK和第二BNNECK分别输出ID损失函数和三元组损失函数；

将训练后的图像特征进行车辆重识别。

2.根据权利要求1所述的基于视觉表征跨传感器不变性的车辆重识别方法，其特征在于，所述第一关系感知的全局注意力模块、第二关系感知的全局注意力模块、第三关系感知的全局注意力模块和第四关系感知的全局注意力模块由全局感知的空间注意力机制和全局感知的通道注意力机制组成。

3.根据权利要求1所述的基于视觉表征跨传感器不变性的车辆重识别方法，其特征在于，所述全局感知的空间注意力机制如下：

对于通过卷积层得到的特征X∈R^C×H×W，其中C代表通道数，H代表特征的高，W代表特征的宽，将每一个通道维度的特征向量作为一个特征节点展开，得到N＝H×W个维度特征节点，计算每一个维度特征节点与其他维度特征节点之间的相关性后，得到一个大小为N×N的关联矩阵；

对所述关联矩阵中的每个维度特征节点进行注意力学习，得到空间关系感知特征y_i，其计算公式如下：

其中X_i为第i个维度特征节点的特征，r_i为第i个维度特征节点与其它维度特征节点的相关性，ψ_s表示将原始局部特征映射到特征空间内，表示将关系感知映射到特征空间内，ψ_s和均为一个1×1的卷积操作之后接上一个BN层，再使用ReLU激活，pool_c()表示全局平均池化操作，利用该操作将通道维度缩小到1；

通过y_i生成具有全局感知的空间注意力权重a_i，其计算公式如下：

其中W₁和W₂都表示一个1×1的卷积操作之后接上一个BN层的操作，W₁缩小通道维度，W₂将通道维度降为1，Sigmoid和ReLU为激活函数。