[发明专利]基于孪生网络的行人搜索模型的训练方法及相关设备

权利要求书

1.一种基于孪生网络的行人搜索模型的训练方法，其特征在于，包括：

确定训练图像；

根据孪生网络的下分支对所述训练图像进行特征提取，得到所述训练图像中各行人的特征向量；

对所述训练图像进行处理得到多尺度行人图像，并根据孪生网络的上分支对所述多尺度行人图像进行特征提取，得到所述训练图像中各行人的多尺度特征向量；

根据所述特征向量和所述多尺度特征向量进行训练，并在训练完成时得到训练好的行人搜索模型。

2.根据权利要求1所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述根据孪生网络的下分支对所述训练图像进行特征提取，得到所述训练图像中各行人的特征向量，包括：

根据孪生网络的下分支对所述训练图像中所包含的行人检测，确定所述训练图像中各行人对应的行人边框；

根据所述行人边框确定所述训练图像中的行人位置，并根据所述行人边框对所述行人位置进行特征提取，得到所述训练图像对应各行人的特征向量。

3.根据权利要求1所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述对所述训练图像进行处理得到多尺度行人图像，并根据孪生网络的上分支对所述多尺度行人图像进行特征提取，得到所述训练图像中各行人的多尺度特征向量，包括：

对所述训练图像进行处理，得到多尺度的行人图像；

根据孪生网络的上分支对所述多尺度的行人图像进行特征提取，得到各行人对应的多尺度的特征向量；

将所述多尺度的特征向量进行特征融合，得到所述训练图像中各行人的多尺度特征。

4.根据权利要求3所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述对所述训练图像进行处理，得到多尺度的行人图像，包括：

对所述训练图像进行裁剪处理，得到若干行人图像，其中每一个行人图像中包含一个行人；

对所述行人图像进行掩码处理，并对掩码处理后的所述行人图像进行尺寸放缩，得到多尺度的行人图像。

5.根据权利要求1所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述方法还包括：

将所述特征向量和所述多尺度特征向量进行特征混合，得到混合特征向量；

对所述混合特征向量进行聚类处理，得到若干聚类簇以及聚类标签，其中一个聚类簇对应一个聚类标签。

6.根据权利要求1所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述根据所述特征向量和所述多尺度特征对初始行人搜索模型进行训练之后，还包括：

当确定训练未完成时，对所述特征向量和所述多尺度特征向量进行更新；

根据更新后的所述特征向量和所述多尺度特征向量再次进行训练，至在训练完成时得到训练好的行人搜索模型。

7.根据权利要求1所述的基于孪生网络的行人搜索模型的训练方法，其特征在于，所述方法还包括：

确定目标图像，并对所述目标图像进行行人识别和特征提取，得到所述目标图像中各行人的目标特征；

根据所提取到的目标特征在查询集合中进行匹配，确定所述目标图像对应的行人检索结果。

8.一种基于孪生网络的行人搜索模型的训练装置，其特征在于，包括：

图像确定模块，用于确定训练图像；

第一提取模块，用于根据孪生网络的下分支对所述训练图像进行特征提取，得到所述训练图像中各行人的特征向量；

第二提取模块，用于对所述训练图像进行处理得到多尺度行人图像，并根据孪生网络的上分支对所述多尺度行人图像进行特征提取，得到所述训练图像中各行人的多尺度特征向量；

训练优化模块，用于根据所述特征向量和所述多尺度特征对初始行人搜索模型进行训练，并在训练完成时得到训练好的行人搜索模型。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于孪生网络的行人搜索模型的训练方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于孪生网络的行人搜索模型的训练方法。