[发明专利]减弱重采样对行人重识别的影响的方法

权利要求书

1.减弱重采样对行人重识别的影响的方法，其特征在于，包括如下步骤：

步骤1.对训练数据集进行预处理，并通过重采样策略，计算出每张图片的采样概率；

步骤2.构建特征提取网络，通过该特征提取网络提取出输入的行人的图片的特征表示，所述通过该特征提取网络提取出输入的行人的图片的特征表示，具体包括：

使用ResNet-50提取图片的高维特征表示；以及，

使用全连接层将高维特征表示处理为低维特征表示；

步骤3.计算所述特征提取网络的损失函数，并调节该损失函数中类间损失和类内损失的权重比例，使得所述特征提取网络的损失函数最小，计算所述特征提取网络的损失函数，具体为：将所述低维特征表示通过Cross Entropy损失函数和Triplet损失函数，计算出所述特征提取网络的损失函数；

步骤4.迭代训练行人重识别模型，直至行人重识别模型达到收敛状态。

2.根据权利要求1所述的减弱重采样对行人重识别的影响的方法，其特征在于，步骤1中，所述对训练数据集进行预处理，具体是指：在通过重采样策略，计算出每张图片的采样概率之前，对训练数据集进行统计，计算出每个行人所对应的图片数量；

通过重采样策略，计算出每张图片的采样概率，并使每个行人的采样概率相同；

然后对图片进行数据增强。

3.根据权利要求2所述的减弱重采样对行人重识别的影响的方法，其特征在于，对图片进行数据增强时，具体包括对图片进行左右翻转和/或随机裁剪和/或随机填充策略操作。

4.根据权利要求1所述的减弱重采样对行人重识别的影响的方法，其特征在于，所述高维特征表示的维度为4096，所述低维特征表示的维度为2048。

5.根据权利要求1所述的减弱重采样对行人重识别的影响的方法，其特征在于，步骤3中，计算出所述特征提取网络的损失函数后，进行反向传播，并调节该损失函数中类间损失和类内损失的权重比例，使得所述特征提取网络的损失函数最小。