[发明专利]网络模型生成方法、行人重识别方法及装置

权利要求书

1.一种网络模型生成方法，其特征在于，所述方法包括：

获取目标域数据集合，所述目标域数据集合包括M张训练图像，所述M张图像中包括m个行人对应的图像，其中，所述M和所述m均为大于1的正整数且所述m不大于所述M；

将所述目标域数据集合分别输入第一网络模型、第一平滑网络模型，获取所述第一网络模型输出的第一相似度矩阵和所述第一平滑网络模型输出的第二相似度矩阵，所述第一网络模型是根据源域数据集合以及所述源域数据集合对应的分类标签训练生成的，所述第一平滑网络模型是由多个网络模型融合生成的；

根据所述第一相似度矩阵和所述第二相似度矩阵更新所述第一网络模型的参数，将更新后的第一网络模型作为第一网络模型，重新将所述目标域数据集合输入第一网络模型、第一平滑网络模型，直至第一网络模型满足预设条件。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第一网络模型输出的第一相似度矩阵，包括：

获取所述目标域数据集合对应的第一特征矩阵；

计算所述第一特征矩阵中各个特征之间的相似度获取第一相似度矩阵；

所述获取所述第一平滑网络模型输出的第二相似度矩阵，包括：

获取所述目标域数据集合对应的第二特征矩阵；

计算所述第二特征矩阵中各个特征之间的相似度获取第二相似度矩阵。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一相似度矩阵和所述第二相似度矩阵更新所述第一网络模型的参数，包括：

根据所述第二相似度矩阵确定目标图像对应的正样本图像和负样本图像，所述目标图像为所述目标域数据集合中的任一张图像；

根据所述正样本图像和所述负样本图像从所述第一相似度矩阵中获取对应的第一相似度和第二相似度；

根据所有所述目标图像各自对应的所述第一相似度和所述第二相似度计算损失函数，以最小化损失函数为目标更新所述第一网络模型的参数。

4.根据权利要求1所述的方法，其特征在于，所述第一平滑网络模型是根据多次迭代所产生的第一网络模型融合生成的。

5.根据权利要求1所述的方法，其特征在于，所述第一平滑网络模型是根据多次迭代所产生的第二网络模型融合生成的，所述第一网络模型和所述第二网络模型各自对应的初始网络模型具有相同的初始参数，或训练所述第一网络模型和所述第二网络模型各自对应的初始网络模型时所使用的源域数据集合相同。

6.根据权利要求5所述的方法，其特征在于，所述第二网络模型迭代过程包括：

将所述目标域数据集合分别输入第二网络模型、第二平滑网络模型，获取所述第二网络模型输出的第三相似度矩阵和所述第二平滑网络模型输出的第四相似度矩阵，其中，第二平滑网络模型是由多个网络模型融合生成的；

根据所述第三相似度矩阵和所述第四相似度矩阵更新所述第二网络模型的参数，将更新后的第二网络模型作为第二网络模型，重新将所述目标域数据集合输入第二网络模型、第二平滑网络模型，直至第二网络模型满足预设条件。

7.根据权利要求6所述的方法，其特征在于，所述第二平滑网络模型是根据多次迭代所产生的第二网络模型融合生成的。

8.根据权利要求6所述的方法，其特征在于，所述第二平滑网络模型是根据多次迭代所产生的第一网络模型融合生成的。

9.一种行人重识别方法，其特征在于，所述方法包括：

获取查询图像，所述查询图像包括待识别行人；

将所述查询图像输入行人重识别网络模型，获取目标相似度矩阵，所述目标相似度矩阵为包括目标特征与特征库中各个特征的相似度，所述行人重识别网络模型为根据权利要求1-8任一项所述的方法训练生成的；

将相似度最大对应的特征矩阵对应的分类标签确定为所述待识别行人的分类标签。