[发明专利]图像再识别方法、装置及电子设备

说明书

本发明提供了一种图像再识别方法、装置及电子设备，涉及图像处理技术领域。本发明实施例提供的图像再识别方法、装置及电子设备，采用由粗到细的图像再识别过程，先通过循环神经网络在第一时间步生成待识别图像的初步识别结果；再通过循环神经网络在第二时间步根据注意力特征向量和初步识别结果，输出待识别图像的细分识别结果从而提高了图像再识别的精确度。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像再识别方法、装置及电子设备。

背景技术

随着视频监控和智慧安防场景下相关需求的日益增长，图像再识别获得越来越多的关注，很多方面都用到了图像再识别技术，比如：行人再识别(person re-identification)、车辆再识别(vehicle re-identification)等等。现有的图像再识别技术多采用度量的学习方法，该方法主要基于较大的图像区域对图像进行分辨，忽略了图像中的细节特征，导致无法对图像进行细分。例如，该方法用于车辆再识别时，仅能对车型进行识别，当车型相同时，无法对车辆进行进一步地细分。

发明内容

有鉴于此，本发明的目的在于提供一种图像再识别方法、装置及电子设备，可以提高图像再识别的精确度。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种图像再识别方法，包括：

获取待识别图像的特征图和特征向量，所述特征向量是对所述特征图处理后得到的；

将所述特征向量输入循环神经网络，以使所述循环神经网络在第一时间步生成所述待识别图像的初步识别结果；

根据所述特征图和所述初步识别结果，得到注意力特征向量；

将所述注意力特征向量输入所述循环神经网络，以使所述循环神经网络在第二时间步根据所述注意力特征向量和所述初步识别结果，输出所述待识别图像的细分识别结果。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述获取待识别图像的特征图和特征向量的步骤，包括：

通过卷积神经网络提取所述待识别图像的特征图；所述卷积神经网络包括至少一个卷积层；

通过第一池化层对所述特征图进行降维处理，得到所述特征向量。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据所述特征图和所述初步识别结果，得到注意力特征向量的步骤，包括：

根据所述特征图和所述初步识别结果，得到注意力特征图；

将所述注意力特征图输入第二池化层，得到所述注意力特征向量。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，根据所述特征图和所述初步识别结果，得到注意力特征图的步骤，包括：

通过变换网络，将所述初步识别结果转换为注意力权重图；所述变换网络包括两层全连接层和位于所述两层全连接层之间的第一激活函数；

通过注意力网络，对所述特征图和所述注意力权重图进行计算，得到所述注意力特征图。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述注意力权重图中包含的注意力权重值与所述特征图中包含的特征值一一对应；

所述通过注意力网络，对所述特征图和所述注意力权重图进行计算，得到所述注意力特征图的步骤，包括：

将每个特征值与对应的注意力权重值进行内积后通过第二激活函数，得到每个特征值对应的注意力分值；