【技术实现步骤摘要】
一种用于行人识别数据集增强训练的生成对抗网络系统
本专利技术属于图像生成领域，更具体地说，是涉及一种用于行人识别数据集增强训练的生成对抗网络系统。
技术介绍
行人再识别是一个具有广泛应有前景的技术，通过跨摄像头的行人检索，可广泛应用于智能视频监控、智能安保等领域，为公共安全带来很大的保障。而目前行人再识别技术由于本身数据集较小的原因，容易造成模型的过拟合、泛化能力较差。通过生成对抗网络生成图片，扩充行人再识别数据集，可以在一定程度上缓解模型的过拟合的问题，提高模型的泛化能力以及识别精度。目前的生成对抗网络扩充数据集的方式，主要有风格迁移和生成全新图片两种。其中，风格迁移主要应用于模型的泛化能力上面，通过风格迁移，可以使得训练好的模型跨数据集性能显著提升。而生成全新图片又分为两种，一种是从噪声生成，利用生成器从噪声中生成出全新的图片。另一种是从图像生成，通过融合两张图片的信息，合成出一张全新的图片。其中，对于从噪声生成图片，一个比较显著的问题是生成的图片缺乏标签。传统的噪声生成方法大多直接通过噪声生成目标图像，并不利于...
【技术保护点】
1.一种用于行人识别数据集增强训练的生成对抗网络系统，其特征在于，包括预训练行人再识别模块、自动编码器模块、生成无标签编码模块、细调无标签图片模块、生成有标签编码模块、细调有标签图片模块、训练行人再识别模块；/n所述预训练的行人再识别模型用来对生成图片与真实图片进行分类；/n所述自动编码器模块负责所述生成图片的压缩编码，以及从压缩编码解码回原始图片；/n所述生成无标签编码模块、生成有标签编码模块负责生成符合整体数据集/特定类别的编码；/n所述细调无标签图片模块、细调有标签图片模块负责判别经所述解码器解码后的图片是来自真实的数据集图片的编码，还是来自所述生成无标签编码模块、生...
【技术特征摘要】
1.一种用于行人识别数据集增强训练的生成对抗网络系统，其特征在于，包括预训练行人再识别模块、自动编码器模块、生成无标签编码模块、细调无标签图片模块、生成有标签编码模块、细调有标签图片模块、训练行人再识别模块；
所述预训练的行人再识别模型用来对生成图片与真实图片进行分类；
所述自动编码器模块负责所述生成图片的压缩编码，以及从压缩编码解码回原始图片；
所述生成无标签编码模块、生成有标签编码模块负责生成符合整体数据集/特定类别的编码；
所述细调无标签图片模块、细调有标签图片模块负责判别经所述解码器解码后的图片是来自真实的数据集图片的编码，还是来自所述生成无标签编码模块、生成有标签编码模块；所述生成无标签编码模块、生成有标签编码模块与所述细调无标签图片模块、细调有标签图片模块采用的条件生成网络架构；
所述训练行人再识别模块负责训练行人再识别。
2.根据权利要求1所述的用于行人识别数据集增强训练的生成对抗网络系统，其特征在于，所述预训练行人再识别模块包括预训练行人再识别模型330，使用真实图片000，训练一个行人再识别模型，进而得到预训练行人再识别模型330，其中，该预训练行人再识别模型330为ResNet50结构。
3.根据权利要求1所述的用于行人识别数据集增强训练的生成对抗网络系统，其特征在于，所述自编码器模块包括自动编码器100，由编码器110与解码器120两部分构成，使用真实图片000，训练一个自动编码器100，通过保证解码后的解码图片310与真实图片000的一致性，得到真实图片000的一个较好的最终编码101表示。
4.根据权利要求1所述的用于行人识别数据集增强训练的生成对抗网络系统，其特征在于，
所述生成无标签编码模块包括编码生成器210与编码判别器220，使用条件生成对抗网络从随机噪声211中生成自动编码器的最终编码101，条件标签201设定为数据集的总类别加一作为前期无标签的条件标签201，让编码生成器210可以习得真实图片000的特征；所述编码判别器220也采用相同的条件标签201，让编码判别器220在负责区分最终编码101和生成编码213时，也学到真实图片000的特征；
所述生成有标签编码模块包括编码生成器210与编码判别器220，如上述生成无标签编码模块，但条件标签201更改为输入图片的真实标签，由于有了上述生成无标签编码模块的训练，编码生成器210已经学得真实图片000的特征，此时使用真实标签作为条件标签201只需要微调已学到的权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。