行人重识别模型优化处理方法、装置和计算机设备制造方法及图纸

本申请涉及一种行人重识别模型优化处理方法、装置和计算机设备。所述方法包括：对模型标识对应的原行人重识别模型进行网络层删除以及对指定网络层的卷积步幅进行修改，得到主干网络模型；通过主干网络模型对样本数据集中的各样本图像进行特征提取，得到初始特征数据；对初始特征数据进行批量标准化处理，得到多个特征图；根据多个特征图和主干网络模型的预设网络层构建多个注意力分支网络模型；将主干网络模型以及多个注意力分支网络模型进行组合，得到优化后的行人重识别模型，通过样本数据集和多个损失函数关系对优化后的行人重识别模型进行训练，直至达到预设条件，停止模型训练，输出训练后的行人重识别模型。采用本方法能够节约计算资源。

【技术实现步骤摘要】
行人重识别模型优化处理方法、装置和计算机设备
本申请涉及计算机
，特别是涉及一种行人重识别模型优化处理方法、装置、计算机设备和存储介质。
技术介绍
行人重识别(PersonReidentification，简称ReID)是指判断两个不同拍摄区域内的摄像头拍摄的图像中是否存在特定行人的技术。行人再识别技术广泛应用于安防、刑侦、智慧城市等领域。传统方式中，是基于部件的行人重识别模型进行特征提取以及利用度量方法进行相似度度量来实现行人重识别。然而，传统的基于部件的行人重识别模型所提取的部件特征并非都是有效的，有些特征对于行人重识别来说是没有任何作用的，从而导致了计算资源的浪费。因此，如何对传统的基于部件的行人重识别模型进行优化处理来筛选有效的特征，以节约计算资源成为目前需要解决的一个技术问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够对传统的基于部件的行人重识别模型进行优化处理来筛选有效的特征，以节约计算资源的行人重识别模型优化处理方法、装置、计算机设备和存储介质。一种行人重识别模型优化处理本文档来自技高网...

【技术保护点】
1.一种行人重识别模型优化处理方法，其特征在于，所述方法包括：/n获取样本数据集以及模型标识；/n对所述模型标识对应的原行人重识别模型进行网络层删除处理以及对指定网络层的卷积步幅进行修改，得到主干网络模型；/n将所述样本数据集输入至所述主干网络模型中，通过所述主干网络模型对所述样本数据集中的各样本图像进行特征提取，得到初始特征数据；/n对所述初始特征数据进行批量标准化处理，得到多个特征图；/n根据多个特征图以及所述主干网络模型的预设网络层构建多个注意力分支网络模型；/n将所述主干网络模型以及多个注意力分支网络模型进行组合，得到优化后的行人重识别模型，通过所述样本数据集以及多个损失函数关系对所述...

【技术特征摘要】
1.一种行人重识别模型优化处理方法，其特征在于，所述方法包括：
获取样本数据集以及模型标识；
对所述模型标识对应的原行人重识别模型进行网络层删除处理以及对指定网络层的卷积步幅进行修改，得到主干网络模型；
将所述样本数据集输入至所述主干网络模型中，通过所述主干网络模型对所述样本数据集中的各样本图像进行特征提取，得到初始特征数据；
对所述初始特征数据进行批量标准化处理，得到多个特征图；
根据多个特征图以及所述主干网络模型的预设网络层构建多个注意力分支网络模型；
将所述主干网络模型以及多个注意力分支网络模型进行组合，得到优化后的行人重识别模型，通过所述样本数据集以及多个损失函数关系对所述优化后的行人重识别模型进行训练，直至达到预设条件，停止模型训练，输出训练后的行人重识别模型。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取待识别图像；
将所述待识别图像输入至预设训练的行人重识别模型中，通过所述行人重识别模型提取所述待识别图像的有效特征数据；
将图像库中的预设图像输入至预先训练的行人重识别模型中，通过所述行人重识别模型提取各预设图像的有效特征数据；
根据所述待识别图像的有效特征数据与各预设图像的有效特征数据计算所述待识别图像与各预设图像之间的相似度，确定目标图像。


3.根据权利要求2所述的方法，其特征在于，有效特征数据包括全局特征数据以及局部特征数据，所述通过所述行人重识别模型提取所述待识别图像的有效特征数据包括：
通过所述行人重识别模型中的主干网络模型对所述待识别图像进行特征提取，得到所述待识别图像的全局特征数据；
通过所述行人重识别模型中的各注意力分支网络模型提取所述待识别图像的多个局部特征数据；
将所述全局特征数据与多个局部特征数据进行连接，得到所述待识别图像的有效特征数据。


4.根据权利要求1所述的方法，其特征在于，所述对所述模型标识对应的原行人重识别模型进行网络层删除处理以及对指定网络层的卷积步幅进行修改，得到主干网络模型包括：
将所述模型标识对应的原行人重识别模型中最后一个卷积层对应的下采样层进行删除处理；
根据预设步幅对所述最后一个卷积层的卷积步幅进行修改；
删除所述原行人重识别模型中的全局池化层以及全连接层，得到修改后的原行人重识别模型，将所述修改后的原行人重识别模型作为主干网络模型。


5.根据权利要求1所述的方法，其特征在于，所述对所述初始特征数据进行批量标准化处理，得到多个特征图包括：
对所述初始特征数据进行批量标准化处理，得到标准化处理后的初始特征数据；
通过指定尺寸的卷积核对所述标准化处理后的初始特征数据进行卷积运算，得到多个特征图。


6.根据权利要求1所述的方法，其特征在于，所述预设网络层包括第一网络层以及第二网络层，所述根据多个特征图以及所述主干网络模型的预设网络层构建多个注意力分支网络模型包括：
将各特征图转换为相应的注意力图，将各注意力图与所述主干网络模型中第一网络层进行点乘处理...

【专利技术属性】
技术研发人员：张少林，宁欣，龚克，
申请(专利权)人：北京市威富安防科技有限公司，
类型：发明
国别省市：北京;11