[发明专利]一种双金字塔结构引导的多粒度行人重识别方法及系统

权利要求书

1.一种双金字塔结构引导的多粒度行人重识别方法，其特征在于，包括以下步骤：

步骤1：构建双金字塔结构网络模型；

所述双金字塔结构网络模型，由嵌入注意力金字塔的骨干网络AP-ResNet50、全局分支网络Global Branch和双重注意力特征金字塔分支网络DFP Branch三个部分组成；

所述嵌入注意力金字塔的骨干网络AP-ResNet50，是将APNet注意力金字塔添加到ResNet50的四个残差块之后而构成；

所述全局分支网络Global Branch，由广义平均池化层和归一化处理层构成，其输入为所述嵌入注意力金字塔的骨干网络AP-ResNet50的输出；

所述双重注意力特征金字塔分支网络DFP Branch，其中第一分支由三个conv1 block层和设置与第一个conv1 block层和第二个conv1 block层之间的SA-DAM双重注意力机制层组成，其输入为所述嵌入注意力金字塔的骨干网络AP-ResNet50第二残差块Layer2的输出；其中第二分支由4个conv3 block层组成，其输入为所述嵌入注意力金字塔的骨干网络AP-ResNet50第三残差块Layer3的输出；所述第一分支的输出输入所述第二分支第三个conv3 block层中，所述第二分支输出，将经过广义平均池化层处理后的输出与所述全局分支网络Global Branch中广义平均池化层处理后的输出进行融合操作，从而得到更具鉴别性的多粒度特征；

步骤2：训练所述双金字塔结构网络模型，获得训练好的双金字塔结构网络模型；

步骤3：将待识别图像输入所述训练好的双金字塔结构网络模型，进行多粒度行人重识别。

2.根据权利要求1所述的双金字塔结构引导的多粒度行人重识别方法，其特征在于：步骤1中，所述APNet注意力金字塔，通过“拆分-关注-合并-堆叠”四步操作逐级实现，首先通过骨干网络的残差块提取特征F，再通过注意力金字塔来提取特征F上多尺度的显著区域；拆分操作时以特征图F作为输入，被拆分数在金字塔层中呈指数增长，金字塔层数越高，特征粒度越细；特征图F被拆分成多组子通道注意力后作为通道注意力的输入，来挖掘每个特征张量中具有判别性的信息；再将所有组子注意力模块以拆分操作的逆过程进行合并，从而得到完整且尺度相同的注意力图。

3.根据权利要求1所述的双金字塔结构引导的多粒度行人重识别方法，其特征在于：步骤1中，所述双重注意力特征金字塔分支网络DFP Branch，conv3 block层除采用的是3×3的卷积之外，其余结构与conv1 block层一致。

4.根据权利要求1所述的双金字塔结构引导的多粒度行人重识别方法，其特征在于：步骤1中，所述双重注意力特征金字塔分支网络DFP Branch，第一分支的第一个conv1 block与第三个conv1 block相连；第二分支的第一个conv3 block与第三个conv3 block相连，用于执行下采样操作。