一种基于相机特征分离的目标重识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140826A(43)申请公布日2022.03.04(21)申请号202111468443.XG06V10/82(2022.01)(22)申请日2021.12.03G06K9/62(2022.01)G06N3/04(2006.01)(71)申请人北京交通大学G06N3/08(2006.01)地址100044北京市海淀区西直门外上园村3号(72)发明人金一李雪姜天姣王涛李浥东冯松鹤郎丛妍(74)专利代理机构北京市商泰律师事务所11255代理人邹芳德(51)Int.Cl.G06V40/10(2022.01)G06V10/32(2022.01)G06V10/44(2022.01)G06V10/764(2022.01)权利要求书2页说明书8页附图4页(54)发明名称一种基于相机特征分离的目标重识别方法(57)摘要本发明提供了一种基于相机特征分离的目标重识别方法，包括如下步骤：步骤1：对数据进行预处理；步骤2：通过编码器提取样本特征，基于特征聚类生成伪标签；步骤3：基于注意力模块分离FeatureMap；步骤4：向前传播得到目标和相机分类结果；步骤5：计算损失函数；步骤6：对模型进行优化计算；步骤7：得到测试模型的效果；步骤8：得到无监督目标重识别的解决方案；本申请相比于现有的消除相机影响的无监督目标重识别方法，用注意力模块直接分离相机特征更加直接，比二阶段方法更加简单；基于类别下相机中心的四元中心损失可以避免基于样本的度量损失的训练过程不稳定的现象。CN114140826ACN114140826A权利要求书1/2页1.一种基于相机特征分离的目标重识别方法，其特征在于，包括如下步骤：步骤1：对数据进行预处理；步骤2：使用在ImageNet上预训练的ResNet50提取训练集数据的特征，并存储在Memory中；通过编码器提取样本特征，基于特征聚类生成伪标签；步骤3：基于注意力模块分离FeatureMap；步骤4：向前传播得到目标和相机分类结果；步骤5：计算损失函数；步骤6：对模型进行优化计算；步骤7：得到测试模型的效果；步骤8：得到无监督目标重识别的解决方案。2.根据权利要求1所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述步骤7和步骤8之间包括步骤7.1：对步骤7中得到的测试模型的效果进行测试评估。3.根据权利要求2所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述步骤7.1包括如下步骤：步骤7‑1‑1：读取测试集的目标图像数据，加载至GPU显存，并进行和训练环节相同的标准化操作；步骤7‑1‑2：对指标进行评价，通过评估计算的指标值，初步进行模型优劣的评价；步骤7‑1‑3：若评估结果未达到要求，则需要调整模型的超参数，回到执行步骤的第一步，重新进行模型的训练环节，若评估结果达到要求，则保存模型权重，继续执行步骤8，得到无监督目标重识别的解决方案。4.根据权利要求1所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述步骤1包括如下步骤：步骤1‑1：将包括测试集和训练集数据的目标图像数据加载到GPU显存中；步骤1‑2：对测试集和训练集数据做标准化操作，将数值范围缩放到0到1之间，根据设置的大小进行裁剪；将测试集数据设置为批量的形式。5.根据权利要求1所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述步骤2包括如下步骤：步骤2‑1：在每个epoch开始的时候，计算Memory中训练数据特征的Jaccard距离矩阵，使用scikit‑learn的DBSCAN方法利用距离矩阵进行聚类；步骤2‑2：将每个离群点视作单独的一类，使用聚类得到的伪标签生成新的TrainDataloader。6.根据权利要求1所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述步骤3包括如下步骤：步骤3‑1：通过ResNet的Layer1‑Layer4得到原始的FeatureMap；步骤3‑2：将FeatureMap输入HA结构，得到空间注意力Mask和通道注意力Mask，并进行融合，得到最终的注意力权重Mask；步骤3‑3：使用逐元素减法得到互补的相机Mask，使用Mask和相机Mask分别与原始特征图做逐元素乘法，得到相机相关的FeatureMap和相机无关的FeatureMap。7.根据权利要求1所述的一种基于相机特征分离的目标重识别方法，其特征在于，所述2CN114140826A权利要求书2/2页步骤4包括如下步骤：步骤4‑1：分别对相机相关的FeatureMap和相机无关的FeatureMap进行全局平均池化，每个样本得到一个一维特征向量；步骤4‑2：和相机无关的FeatureMap分支中，特征向量经过批标准化操作，用作计算下一步的