用于重识别的损失函数确定的方法及装置.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CN109063607A(43)申请公布日2018.12.21(21)申请号201810783980.5(22)申请日2018.07.17(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人金昊周啸辰(74)专利代理机构北京市磐华律师事务所11336代理人高伟刘爱平(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书10页附图3页(54)发明名称用于重识别的损失函数确定的方法及装置(57)摘要提供了一种用于重识别的损失函数确定的方法及装置。该方法包括：针对图片集中的每一锚图片计算得到对应的损失函数；将所有锚图片的损失函数求和得到用于重识别的损失函数。其中计算与锚图片对应的损失函数包括：将图片集中除锚图片之外的剩余图片分为与锚图片具有相同姿态的第一类图片和与锚图片具有不同姿态的第二类图片；根据第一算法计算第一类图片中每一图片的特征并根据第二算法计算第二类图片中每一图片的特征；进一步确定与锚图片对应的损失函数。由此可见，本发明实施例在确定用于重识别的损失函数时，考虑了不同姿态的特征空间差异，能够减小由于不同姿态导致的重识别的误差，进而能够保证重识别的精度。CN109063607ACN109063607A权利要求书1/2页1.一种用于重识别的损失函数确定的方法，其特征在于，所述方法包括：针对图片集中的每一锚图片，计算得到对应的损失函数；将所有锚图片的损失函数求和，得到用于重识别的损失函数；其中，通过如下方式计算与所述锚图片对应的损失函数：将所述图片集中除所述锚图片之外的剩余图片分为第一类图片和第二类图片，所述第一类图片中的对象与所述锚图片中的对象具有相同的姿态，所述第二类图片中的对象与所述锚图片中的对象具有不同的姿态；根据第一算法计算所述第一类图片中每一图片的特征，并根据第二算法计算所述第二类图片中每一图片的特征；根据所述剩余图片中每一图片的特征，确定与所述锚图片对应的损失函数。2.根据权利要求1所述的方法，其特征在于，所述根据所述剩余图片中每一图片的特征，确定与所述锚图片对应的损失函数，包括：计算所述剩余图片中与所述锚图片具有相同ID的图片的第一损失函数，并计算所述剩余图片中与所述锚图片具有不同ID的图片的第二损失函数，所述第一损失函数表示为所述剩余图片中与所述锚图片具有相同ID的图片的特征与所述锚图片的特征之间的距离的最大值，所述第二损失函数表示为所述剩余图片中与所述锚图片具有不同ID的图片的特征与所述锚图片的特征之间的距离的最小值；根据所述第一损失函数和所述第二损失函数确定与所述锚图片对应的损失函数。3.根据权利要求1或2所述的方法，其特征在于，所述根据第一算法计算所述第一类图片中每一图片的特征，并根据第二算法计算所述第二类图片中每一图片的特征，包括：使用第一特征提取算法计算所述第一类图片中每一图片的初始特征，并使用第二特征提取算法计算所述第二类图片中每一图片的初始特征；使用对应的迁移网络将每一个初始特征转换到相同的特征空间，得到所述第一类图片和所述第二类图片中每一图片的特征。4.根据权利要求3所述的方法，其特征在于，所述对应的迁移网络为全连接层。5.根据权利要求3所述的方法，其特征在于，所述第一类图片中任一图片i的特征表示为：f(i)＝transfer0(feature0(i))；所述第二类图片中任一图片j的特征表示为：f(j)＝transfer1(feature1(j))；其中，feature0表示所述第一特征提取算法，transfer0表示与所述第一特征提取算法对应的迁移网络，feature1表示所述第二特征提取算法，transfer1表示与所述第二特征提取算法对应的迁移网络。6.根据权利要求2所述的方法，其特征在于，所述计算所述剩余图片中与所述锚图片具有相同ID的图片的第一损失函数，并计算所述剩余图片中与所述锚图片具有不同ID的图片的第二损失函数，包括：计算得到所述第一损失函数为pos(A)＝maxk1∈S1∪D1dist(f(A),f(k1))，得到第二损失函数为neg(A)＝mink2∈S2∪D2dist(f(A),f(k2))；其中，A表示所述锚图片，S1表示所述第一类图片中与所述锚图片具有相同ID的图片的集合，S2表示所述第一类图片中与所述锚图片具有不同ID的图片的集合，D1表示所述第二类图片中与所述锚图片具有相同ID的图片的集合，D2表示所述第二类图片中与所述锚图片2CN109063607A权利要求书2/2页具有不同ID的图片的集合，dist(f(A),f(k1))表示A的特征f(A)与k1的特征f(k1)之间