[发明专利]网络优化方法及装置、图像处理方法及装置、存储介质

说明书

本公开涉及一种网络优化方法及装置、图像处理方法及装置、存储介质，其中，所述网络优化方法包括：获取图像样本组；获取所述图像样本组中各图像的第一特征和第二特征，并利用各图像的第一特征得到第一分类结果；对图像样本组内各图像对执行特征交换处理得到新的图像对；利用预设方式，获得所述第一分类结果的第一损失值、所述新的图像对的第二损失值，以及新的图像对的第一特征和第二特征的第三损失值；至少根据第一损失值、第二损失值和第三损失值调节神经网络的参数，直至满足预设要求。本公开实施例能够有效地提高身份识别的精度。

技术领域

本公开涉及网络优化领域，特别涉及一种网络优化方法及装置、图像处理方法及装置、存储介质

背景技术

行人重识别旨在学习有辨别性的特征用于行人检索与匹配。通常情况下，由于图像数据集中的行人姿态多样性、背景多样性等因素，会对身份特征的提取造成干扰。目前，相关技术中通过深度神经网络提取分解特征进行身份识别，然而这种方式通常需要额外的添加辅助关键点信息来提供识别精度，而且仅能够提供有限的监督，无法完成有效的特征分解。

因此，现有技术中存在识别精度低且不方便的特点。

发明内容

本公开实施例提供了一种网络优化方法及装置、图像处理方法及装置、存储介质，通过本公开实施例可以提高神经网络的识别精度，且不需要添加任何的辅助信息。

根据本公开的一方面，提供了一种网络优化方法，所述方法用于优化神经网络，其包括：

获取图像样本组，所述图像样本组包括由相同对象的图像形成的图像对，以及由不同对象的图像形成的图像对；

获取所述图像样本组中各图像的第一特征和第二特征，并利用各图像的第一特征得到第一分类结果，所述第一特征包括身份特征，所述第二特征包括属性特征；

对所述图像样本组内各图像对执行特征交换处理得到新的图像对，所述特征交换处理为利用图像对内的第一图像的第一特征以及第二图像的第二特征生成新的第一图像，以及利用第一图像的第二特征以及第二图像的第一特征生成新的第二图像；

利用预设方式，获得所述第一分类结果的第一损失值、所述新的图像对的第二损失值，以及所述新的图像对的第一特征和第二特征的第三损失值；

至少根据所述第一损失值、第二损失值和第三损失值调节神经网络的参数，直至满足预设要求。

在一些可能的实施方式中，所述获取所述图像样本组中各图像的第一特征和第二特征，包括：

将所述图像对的两个图像输入至所述神经网络的身份编码网络模块以及属性编码网络模块；

利用所述身份编码网络模块获取所述图像对内的两个图像的第一特征，以及利用所述属性编码网络模块获取所述图像对内的两个图像的第二特征。

在一些可能的实施方式中，所述利用预设方式，获得所述第一分类结果的第一损失值、所述新的图像对的第二损失值，以及所述新的图像对的第一特征和第二特征的第三损失值，包括：

获得通过所述身份编码网络模块获取的第一特征的第一分类结果；

利用第一预设方式，根据所述第一分类结果和输入的图像对应的真实分类结果，获得所述第一损失值。

在一些可能的实施方式中，在将所述图像对的两个图像输入至所述身份编码网络模块之前，所述方法还包括：

向所述图像对的两个图像中所述对象的图像区域加入噪声。

在一些可能的实施方式中，所述对所述图像样本组内各图像对执行特征交换处理得到新的图像对，包括：

将所述图像样本组的图像对中各图像的第一特征和第二特征输入至所述神经网络的生成网络模块；