一种基于特征压缩的单样本行人重识别方法
申请人信息
- 申请人:南通大学
- 申请人地址:226004 江苏省南通市崇川区啬园路9号
- 发明人: 南通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于特征压缩的单样本行人重识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311371401.3 |
| 申请日 | 2023/10/20 |
| 公告号 | CN117612201A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06V40/10 |
| 权利人 | 南通大学 |
| 发明人 | 吕泽; 董彦斌; 王进; 徐嘉玲; 王可; 赵颖钏 |
| 地址 | 江苏省南通市崇川区啬园路9号 |
摘要文本
本发明公开了一种基于特征压缩的单样本行人重识别方法，包括：首先将行人重识别的标准数据集中的已标签图片进行对抗性生成图片操作；然后，将生成的图片以及未标签图片放入单样本行人重识别网络中，获得距离矩阵，选取得分最高的一定数量的图片，并标注伪标签；其次，选取行人图像，进入网络训练，特别地，对图片进行特征压缩，联合损失函数，训练出性能良好的单样本识别网络；最后，完成对目标行人的识别。本发明提出基于特征压缩的单样本行人重识别方法，选择逐步地添加未标注图像到模型中，利用对抗性生成图像避免过拟合，并利用特征压缩减小图片带来的噪声影响，从而提高模型识别的准确率。
专利主权项内容
1.一种基于特征压缩的单样本行人重识别方法，其特征在于，执行如下步骤S1-步骤S6，完成对目标行人的识别：步骤S1：选取由行人图像构成的行人重识别的标准数据集，行人重识别的标准数据集中包括已标签图像和未标签图像；步骤S2：基于CycleGAN网络，构建对抗性图片生成模块，以行人重识别的标准数据集中的已标签图像为输入，生成预设数量的对抗性生成图像；步骤S3：基于ResNet50网络，并引入特征压缩方法进行数据增强，构建单样本行人重识别网络，单样本行人重识别网络以步骤S2中生成的图像以及行人重识别的标准数据集中的未标签图像为输入，获得距离矩阵，根据距离矩阵，对未标签图像标注伪标签；步骤S4：随机选取P个行人，针对每个行人选取K张图像，输入单样本行人重识别网络，并联合加权难样本三元组损失函数和标签平滑正则化的交叉熵损失函数，对单样本行人重识别网络进行训练；步骤S5：若达到指定的训练轮数，或已将全部图像标注伪标签，则完成训练，获得训练好的单样本行人重识别网络，否则返回步骤S3，继续对单样本行人重识别网络进行训练；步骤S6：应用训练好的单样本行人重识别网络，完成对目标行人的识别。