[发明专利]基于密集连接卷积网络超球体嵌入的目标重识别方法

权利要求书

1.一种基于密集连接卷积网络超球体嵌入的目标重识别方法，其特征在于，该方法包括以下步骤：

(1)收集水下目标图像制作数据集，并进行标注；

(2)Mask-RCNN检测识别分割网络：利用Mask-RCNN网络检测出待重识别目标的精准位置；

(3)建立密集连接卷积网络超球体嵌入的目标重识别网络，包括以下几个模块：

1)密集连接卷积模块；

2)全局平均池化模块；

3)超球体嵌入模块；

(4)使用上述(1)中标注的数据集对(3)中所述目标重识别网络使用反向传输方法进行模型训练；

(5)获取图像序列{I_i,i＝1,2,3,...,n}；

(6)将图像I_i输入到Mask-RCNN检测识别分割网络中，获得图像中目标{B_is(x₁,y₁,x₂,y₂),s＝1,2,...,S},其中，x₁,y₁,x₂,y₂为目标的左上角和右下角位置坐标，B_is为目标序号；

(7)将所有目标B_is(i＝1,2,3,...,n,s＝1,2,...,S)送入上述(3)中所述的目标重识别网络中，得出对应的编码特征C_is(i＝1,2,3,...,n,s＝1,2,...,S)，计算所有特征C_is两两之间的欧式距离，距离小于一定阈值的认定为相同目标。

2.如权利要求1所述的目标重识别方法，其特征在于，所述步骤(2)中的Mask-RCNN检测识别分割网络：使用Resnet101作为Mask-RCNN的特征提取部分，并在水下形变目标数据集上进行预训练。

3.如权利要求1所述的目标重识别方法，其特征在于，所述步骤(3)中的密集连接卷积模块：

x_l＝H_l([ x₀,x₁,...,x_l-1])

其中，x_l为模块的输出特征，H_l为特征连接操作，x₀,x₁,...,x_l-1为模块中位于x_l之前的特征。

4.如权利要求1所述的目标重识别方法，其特征在于，所述步骤(3)中的全局平均池化模块：

X＝H([X_0-1,X_1-2,X_2-3,X_3-4,X_4-5,X_5-6,X_6-7,X_7-8])

其中，X为模块输出特征图，H为特征连接操作，X_0-1,X_1-2,X_2-3,X_3-4,X_4-5,X_5-6,X_6-7,X_7-8为将特征X在0轴上平均分为8组所得的分组特征。

5.如权利要求1所述的目标重识别方法，其特征在于，所述步骤(3)中的超球体嵌入：

其中，为归一化之后的编码特征，[σ]+表示最大值(σ,0)，对于每个mini batch，随机选择P个身份，并且对于每个身份，随机选择N个样本；因此，每个mini batch包含P×N个样本；表示源样本和距离其最远的正样本的角度，表示源样本和距离其最近的负样本的角度，θ_m是角边界。