[发明专利]基于密集连接卷积网络超球体嵌入的目标重识别方法

摘要

本发明提供了一种基于密集连接卷积网络超球体嵌入的目标重识别方法，首先依密级连接卷积网络DenseNet提取视频序列中水下形变目标特征，大幅度减轻梯度消失、强化特征传播、支持特征重用和参数学习过程，然后从细粒度分类角度，由局部整合到全局，以分组平均池化思想精炼提取水下形变目标各级特征，获得更为精准的水下形变目标特征表达能力，以超球体损失即角三重损失关注水下形变个体目标的类间差异，区分类内差异，避免直接度量水下形变个体目标编码特征之间的欧氏距离，构建多点布设的水下视觉系统完整的、连续的水下形变个体目标重识别模型。利用本发明最终完成水下形变目标个体在近距离多视场观测中的密切监督和过程追踪。

主权项

1.一种基于密集连接卷积网络超球体嵌入的目标重识别方法，其特征在于，该方法包括以下步骤：(1)收集水下目标图像制作数据集，并进行标注；(2)Mask‑RCNN检测识别分割网络：利用Mask‑RCNN网络检测出待重识别目标的精准位置；(3)建立密集连接卷积网络超球体嵌入的目标重识别网络，包括以下几个模块：1)密集连接卷积模块；2)全局平均池化模块；3)超球体嵌入模块；(4)使用上述(1)中标注的数据集对(3)中所述目标重识别网络使用反向传输方法进行模型训练；(5)获取图像序列{Ii,i＝1,2,3,...,n}；(6)将图像Ii输入到Mask‑RCNN检测识别分割网络中，获得图像中目标{Bis(x1,y1,x2,y2),s＝1,2,...,S},其中，x1,y1,x2,y2为目标的左上角和右下角位置坐标，Bis为目标序号；(7)将所有目标Bis(i＝1,2,3,...,n,s＝1,2,...,S)送入上述(3)中所述的目标重识别网络中，得出对应的编码特征Cis(i＝1,2,3,...,n,s＝1,2,...,S)，计算所有特征Cis两两之间的欧式距离，距离小于一定阈值的认定为相同目标。