[发明专利]基于多代理相似度聚合的跨模态行人再辨识方法

权利要求书

1.基于多代理相似度聚合的跨模态行人再辨识方法，其特征在于：采用多代理相似度聚合机制来构建损失函数：

步骤1.1：采用多代理相似度聚合机制来构建损失函数，如公式(1)所示，

其中，M表示训练样本数量，C表示类别数量，表示第i个样本x_i与第c_i个类别的多代理聚合相似度，c_i∈[1,2,3,...,C]表示x_i的类别标签，表示样本x_i与第j个类别的多代理聚合相似度。

步骤1.2：利用聚合机制将样本分别与每个类别的多个代理之间的相似度进行聚合，获得样本x_i与每个类别的多代理聚合相似度，如公式(2)所示，

其中，表示第i个样本x_i与第j个类别的多代理聚合相似度，Aggregate表示聚合函数，表示第i个样本x_i与第j个类别的第k个代理之间的相似度，K表示每个类别的代理个数。

步骤1.3：第i个样本x_i与第j个类别的第k个代理之间的相似度的计算如公式(3)所示，

其中，表示多个第j个类别的第k个可学习的代理，T是转置操作，表示经由神经网络Net从x_i中提取的d维特征向量，θ是神经网络Net的权重参数。

2.根据权利要求1所述的基于多代理相似度聚合的跨模态行人再辨识方法，其特征在于：相似度聚合方式采用均值聚合，如公式(4)所示，

。

3.根据权利要求1所述的基于多代理相似度聚合的跨模态行人再辨识方法，其特征在于：相似度聚合方式采用注意力机制聚合，如公式(5)所示，

其中，表示聚合权重，由注意力子网络ANet算得，即表示经由神经网络Net从x_i中提取的d维特征向量，φ为ANet的权重参数。

4.根据权利要求1所述的基于多代理相似度聚合的跨模态行人再辨识方法，其特征在于：相似度聚合方式采用困难挖掘策略聚合，如公式(6)所示，

其中，c_i∈[1,2,3,...,C]表示样本x_i的类别标签，在与x_i同类的代理(即j＝c_i)中，挖掘最小相似度作为x_i与第j个类别的困难相似度进行优化，在x_i异类的代理(即j≠c_i)中，挖掘最大相似度作为x_i与第j个类别的困难相似度进行优化。