[发明专利]行人重识别模型的训练方法、装置、计算设备及存储介质

说明书

本发明公开一种行人重识别模型的训练方法、装置、计算设备及存储介质，该方法包括：获取第一行人重识别训练数据集所述第一行人重识别训练数据集输入预设的行人重识别模型进行处理，并基于处理结果得到第一损失函数所述第一行人重识别训练数据集进行处理得到第二行人重识别训练数据集所述第二行人重识别训练数据集输入远程监督网络进行处理，并根据处理结果得到第二损失函数；所述第一损失函数和第二损失函数所述预设的行人重识别模型，得到目标行人重识别模型。根据本发明实施例通过增加监督网络提供监督信息来实现不增加识别网络复杂度的前提下，扩充训练样本数量的同时也有效提升了行人重识别网络的识别性能。

技术领域

本发明涉及神经网络技术领域，特别涉及一种行人重识别模型的训练方法、装置、计算设备及存储介质。

背景技术

随着社会和科技的进步，人脸识别越来越成为一项可依赖的安防技术。但是对于现今大部分安防摄像头而言，由于其分辨率往往不能达到人脸识别系统的要求，故可以应用于现有监控系统的行人重识别技术是极有必要的。行人重识别(Person re-identification)是利用图像处理技术来判定某一摄像头下的行人是否出现在其他摄像头中，从而可以描绘行人的活动路径，实现跨镜头追踪的目的。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施例部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

鉴于以上技术问题，本发明提供了一种行人重识别模型的训练方法、装置、计算设备及存储介质，其通过增加监督网络为多个不同的开源数据集提供额外的共性监督信息来训练行人重识别模型，实现在不增加识别网络复杂度的前提下，扩充训练样本数量的同时也有效提升了行人重识别网络的识别性能。

根据本发明的一个方面，提供一种行人重识别模型的训练方法，其包括：

获取第一行人重识别训练数据集，所述第一行人重识别训练数据集包括至少两个不同的训练图像集；

将所述第一行人重识别训练数据集输入预设的行人重识别模型进行处理，并基于处理结果计算第一损失函数；

对所述第一行人重识别训练数据集进行处理得到第二行人重识别训练数据集；

将所述第二行人重识别训练数据集输入监督网络进行处理，并根据处理结果计算第二损失函数；

根据所述第一损失函数和第二损失函数的计算结果调整所述预设的行人重识别模型，得到目标行人重识别模型。

根据本发明的另一方面，提供一种行人重识别方法，其包括：

获取待识别的行人图像；

利用根据本发明所述的训练方法训练的目标行人重识别模型进行行人重识别。

根据本发明的另一方面，提供一种行人重识别模型的训练装置，其包括：

第一数据获取模块，用于获取第一行人重识别训练数据集，所述第一行人重识别训练数据集包括至少两个不同的训练图像集；

第一训练模块，用于将所述第一行人重识别训练数据集输入预设的行人重识别模型进行处理，并基于处理结果计算第一损失函数；

第二数据获取模块，用于对所述第一行人重识别训练数据集进行处理得到第二行人重识别训练数据集；

第二训练模块，用于将所述第二行人重识别训练数据集输入监督网络进行处理，并根据处理结果计算第二损失函数；

调整模块，用于根据所述第一损失函数和第二损失函数的计算结果调整所述预设的行人重识别模型，得到目标行人重识别模型。

根据本发明的另一方面，提供一种行人重识别装置，其包括：