【技术实现步骤摘要】
目标重识别方法及其网络训练方法、相关装置
本申请涉及图像识别
,特别是涉及一种目标重识别方法及其网络训练方法、相关装置。
技术介绍
相对于视角较固定的人脸识别任务,行人重识别不受人脸视角、人体姿态和摄像机视角的限制,其识别效果相对更好、应用场景更广泛。因此,近年来目标重识别技术取得了飞速的发展。目标重识别技术旨在从视频或图像中找到特定的目标,其在安防、新零售和互联网等领域具有重要的应用价值。目标重识别技术针对的目标可以为行人、车辆等。一般采用目标重识别网络来进行目标识别,例如,使用行人重识别(PersonRe-identification,ReID)网络来对行人图像进行识别。现有技术中,在使用目标重识别网络之前,通常需要对其进行训练,使其后续在使用过程中得到的识别结果更加准确。然而,现有的训练方法得到的目标重识别网络对目标的识别效果不够好。
技术实现思路
本申请提供一种图像增强方法、电子设备及存储介质,能够解决现有的训练方法得到的目标重识别网络对目标的识别效果不够好的问题。为解决上述技术问题,本申请采用的一个技术方案是:提供一种目标重识别网络的训练方法,该方法包括:获取训练图像集,训练图像集中包括多个目标的图像,且每个目标至少对应两种风格的图像;利用目标重识别网络对训练图像集中每张图像进行识别,得到每张图像的识别结果,识别结果包括图像的特征;基于识别结果获取目标重识别网络的损失,损失包括第一距离损失,第一距离损失是基于目标对应的不同风格的图像的特征之间的距离得 ...
【技术保护点】
1.一种目标重识别网络的训练方法,其特征在于,包括:/n获取训练图像集,所述训练图像集中包括多个目标的图像,且每个所述目标至少对应两种风格的图像;/n利用所述目标重识别网络对所述训练图像集中每张所述图像进行识别,以得到每张所述图像的识别结果,所述识别结果包括所述图像的特征;/n基于所述识别结果获取所述目标重识别网络的损失,所述损失包括第一距离损失,所述第一距离损失是基于所述目标对应的不同风格的图像的特征之间的距离得到的;/n基于所述损失调整所述目标重识别网络的参数;/n重复上述步骤直至满足停止训练的条件。/n
【技术特征摘要】
1.一种目标重识别网络的训练方法,其特征在于,包括:
获取训练图像集,所述训练图像集中包括多个目标的图像,且每个所述目标至少对应两种风格的图像;
利用所述目标重识别网络对所述训练图像集中每张所述图像进行识别,以得到每张所述图像的识别结果,所述识别结果包括所述图像的特征;
基于所述识别结果获取所述目标重识别网络的损失,所述损失包括第一距离损失,所述第一距离损失是基于所述目标对应的不同风格的图像的特征之间的距离得到的;
基于所述损失调整所述目标重识别网络的参数;
重复上述步骤直至满足停止训练的条件。
2.根据权利要求1所述的方法,其特征在于,基于所述识别结果获取所述目标重识别网络的第一距离损失,包括:
基于所述目标对应的不同风格的图像的特征,分别获取每个所述目标对应的不同风格的统计特征;
基于每个所述目标对应的不同风格的统计特征,获取所述目标重识别网络的第一距离损失。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标对应的不同风格的图像的特征,分别获取每个所述目标对应的不同风格的统计特征,包括:
对于每个所述目标,统计所述目标同一风格的图像的特征,以得到所述目标对应所述风格的统计特征;
所述基于每个所述目标对应的不同风格的统计特征,获取所述目标重识别网络的第一距离损失,包括:
对于每个所述目标,获取所述目标对应的不同风格的统计特征之间的距离,以作为所述目标的特征距离;
基于不同所述目标的特征距离,获得所述目标重识别网络的第一距离损失。
4.根据权利要求3所述的方法,其特征在于,所述统计所述目标同一风格的图像的特征,以得到所述目标对应所述风格的统计特征,包括:
获取所述目标同一风格的图像的特征的平均特征,作为所述目标对应所述风格的统计特征;或者,
获取所述目标同一风格的图像的特征的中位特征,作为所述目标对应所述风格的统计特征;
所述获取所述目标对应的不同风格的统计特征之间的距离,作为所述目标的特征距离,包括:
获取所述目标对应的不同风格的统计特征之间的欧式距离,作为所述目标的特征距离;
所述基于不同所述目标特征的特征距离,获得所述目标重识别网络的第一距离损失:
将每个所述目标特征的特征距离之和,作为所述目标重识别网络的第一距离损失。
5.根据权利要求1所述的方法,其特征在于,所述获取训练图像集,包括:
获取源域图像集和目标域图像集,所述源域图像集中包...
【专利技术属性】
技术研发人员:孙立波,潘华东,殷俊,
申请(专利权)人:浙江大华技术股份有限公司,
类型:发明
国别省市:浙江;33
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。