[发明专利]一种行人再识别网络的训练方法及装置

权利要求书

1.一种行人再识别网络的训练方法，所述方法包括：

获取待训练的行人再识别网络，所述行人再识别网络中包含待训练的网络参数和预先设置的针对训练数据集中不同身份标签的待学习参数；所述训练数据集包括：各个身份标签的多个正常样本图像；

将所述训练数据集输入所述行人再识别网络，得到各个身份标签的每一正常样本图像的正常样本特征、各个身份标签的正常样本图像的平均特征；

针对各个身份标签，基于该身份标签的待学习参数、该身份标签的每一正常样本图像的正常样本特征、该身份标签的正常样本图像的平均特征、其他身份标签的正常样本图像的平均特征，以及预设损失函数计算损失值，其中，各个身份标签的可学习参数表征该身份标签的困难样本特征；所述损失函数是基于各个身份标签的正常样本图像的正常样本特征、正常样本图像的平均特征以及困难样本特征之间的约束关系确定的；

基于各个身份标签对应的损失值，调整所述行人再识别网络的网络参数和所述身份标签的待学习参数。

2.根据权利要求1所述的方法，其中，所述约束关系包括：

各个身份标签的困难样本特征与其他身份标签的正常样本图像的平均特征在特征空间的距离大于第一阈值，且各个身份标签的困难样本特征与该身份标签的正常样本图像的平均特征在特征空间的距离小于第二阈值；

各个身份标签的困难样本特征与该身份标签的每一正常样本图像的平均特征在特征空间的距离，大于该身份特征的该正常样本图像的正常样本特征与该身份标签的正常样本图像的平均特征；

各个身份标签的每一正常样本图像的正常样本特征与该身份标签的困难样本特征在特征空间的距离，小于该身份标签的该正常样本图像的正常样本特征与其他身份标签的正常样本图像的平均特征。

3.根据权利要求1所述的方法，在调整所述行人再识别网络的网络参数和所述身份标签的待学习参数之后，还包括：

返回所述将所述训练数据集输入所述行人再识别网络，得到各个身份标签的每一正常样本图像的正常样本特征、各个身份标签的正常样本图像的平均特征的步骤，直到满足预设的网络训练终止条件。

4.一种行人再识别方法，所述方法包括：

获取已知身份标签的基准图像和多个未知身份标签的目标图像；

将所述基准图像和所述目标图像输入预先训练的行人再识别网络，分别得到基准特征和各个目标图像的目标特征；其中，所述行人再识别网络是基于权利要求1所述方法训练的；

基于所述基准特征和各个目标特征在特征空间的距离，识别各个目标图像的身份标签。

5.一种行人再识别网络的训练装置，所述装置包括：

获取模块，用于获取待训练的行人再识别网络，所述行人再识别网络中包含待训练的网络参数和预先设置的针对训练数据集中不同身份标签的待学习参数；所述训练数据集包括：各个身份标签的多个正常样本图像；

输入模块，用于将所述训练数据集输入所述行人再识别网络，得到各个身份标签的每一正常样本图像的正常样本特征、各个身份标签的正常样本图像的平均特征；

计算模块，用于针对各个身份标签，基于该身份标签的待学习参数、该身份标签的每一正常样本图像的正常样本特征、该身份标签的正常样本图像的平均特征、其他身份标签的正常样本图像的平均特征，以及预设损失函数计算损失值，其中，各个身份标签的可学习参数表征该身份标签的困难样本特征；所述损失函数是基于各个身份标签的正常样本图像的正常样本特征、正常样本图像的平均特征以及困难样本特征之间的约束关系确定的；

调整模块，用于基于各个身份标签对应的损失值，调整所述行人再识别网络的网络参数和所述身份标签的待学习参数。