[发明专利]一种基于深度多示例学习的行人重识别方法

摘要

本发明公开了一种基于深度多示例学习的行人重识别方法，属于数字图像识别领域，本发明构建的行人重识别模型首先通过CNN获取多张不同尺寸的特征图；然后通过可学习的方式将每一张特征图划分为多个部分，得到深度多示例学习中的示例；最后对负示例进行丢弃后利用正示例对每张特征图生成对应的特征向量，得到不同尺度特征图对应的多个特征向量；根据行人身份对输出的多个特征向量进行分类以对训练模型进行训练；对训练好的行人重识别模型输出的多个特征向量进行加权串接用于测试。本发明结合深度多示例学习思想，采用NetVLAD和GhostVLAD提取图片中的局部特征，提高了网络的抗形变能力，进而提高了行人重识别算法的准确率。

主权项

1.一种基于深度多示例学习的行人重识别方法，其特征在于，包括：/n(1)构建行人重识别模型；/n所述行人重识别模型包括特征提取单元、示例挖掘单元、负示例丢弃单元；/n所述特征提取单元，用于通过卷积神经网络对原始图像进行特征提取，得到多张不同尺度的特征图；/n所述示例挖掘单元，用于通过可学习的方式将每一张特征图划分为多个部分，得到每个部分对应的局部特征描述子，并将所述局部特征描述子作为深度多示例学习中的示例；/n所述负示例丢弃单元，用于对所述示例中的负示例进行丢弃，并利用正示例对每张特征图生成对应的特征向量，得到不同尺度特征图对应的多个特征向量；/n(2)将原始图片作为所述行人重识别模型的输入，将原始图片内行人对应的身份标签作为所述行人重识别模型输出向量经过分类后的期望输出，对所述行人重识别模型进行训练；/n(3)将目标图片和多个待检索图片分别输入训练好的行人重识别模型，将目标图片输出的多个特征向量进行加权串接后作为目标特征向量，将每个待检索图片输出的多个特征向量进行加权串接后作为待检索特征向量，计算目标特征向量与每个待检索特征向量的相似度并进行排序，得到行人重识别结果。/n