行人图像识别模型的训练方法、装置、设备以及存储介质制造方法及图纸

本发明专利技术公开了一种行人图像识别模型的训练方法，包括：获取未标注的第一行人图像，对第一行人图像进行数据增强得到数据增强图像，将数据增强图像分别输入至第一行人图像识别网络和第二行人图像识别网络进行分析，以提取出第一抗遮挡高层语义特征向量和第二抗遮挡高层语义特征向量，最后基于第一抗遮挡高层语义特征向量、第二抗遮挡高层语义特征向量和预设的损失函数更新第一行人图像识别网络和第二行人图像识别网络的网络参数，以实现对行人图像识别模型的训练。可见，本发明专利技术能够使行人图像识别模型提取出数据增强图像中的抗遮挡高层语义特征，从而使训练完成的行人图像识别模型能够更准确地识别出行人遮挡图像中的行人。型能够更准确地识别出行人遮挡图像中的行人。型能够更准确地识别出行人遮挡图像中的行人。

【技术实现步骤摘要】
行人图像识别模型的训练方法、装置、设备以及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种行人图像识别模型的训练方法、装置、计算机设备以及存储介质。

技术介绍

[0002]行人重识别技术(Person re
‑
identification)是一种利用计算机视觉检索指定的图像或者视频中是否存在行人的技术。在行人重识别技术的实际应用中，由于实际的图像采集的场景通常复杂多变，所以图像中的行人很容易被某些障碍物(如行李、柜台、拥挤的公共场所、汽车、树木等)遮挡，导致图像成为行人遮挡图像。目前的行人重识别技术大多只注重于对行人整体图像的检索匹配，而忽略行人遮挡图像(即在图像中的行人被其他物体所遮挡)的检索匹配，这导致了目前的行人重识别技术通常不能准确地识别出行人遮挡图像中的行人。可见，目前的行人重识别技术的识别准确度仍有进一步提升的空间。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，目前的行人重识别技术的识别准确度较低。
[0004]为了解决上述技术问题，本专利技术第一方面公开了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人图像识别模型的训练方法，其特征在于，所述方法包括：获取未设置有对应的标注标签的第一行人图像；基于预设的数据增强方法向所述第一行人图像中添加遮挡噪声，以得到数据增强图像；将所述数据增强图像输入至第一行人图像识别网络进行分析，以提取出所述数据增强图像中的第一抗遮挡高层语义特征向量；将所述数据增强图像输入至第二行人图像识别网络进行分析，以提取出所述数据增强图像中的第二抗遮挡高层语义特征向量；基于所述第一抗遮挡高层语义特征向量、所述第二抗遮挡高层语义特征向量和预设的损失函数更新所述第一行人图像识别网络和所述第二行人图像识别网络的网络参数，以实现对行人图像识别模型的训练；其中，所述行人图像识别模型包括所述第一行人图像识别网络和所述第二行人图像识别网络，且所述第一行人图像识别网络和所述第二行人图像识别网络之间共享网络参数。2.根据权利要求1所述的行人图像识别模型的训练方法，其特征在于，所述基于所述第一抗遮挡高层语义特征向量、所述第二抗遮挡高层语义特征向量和预设的损失函数更新所述第一行人图像识别网络和所述第二行人图像识别网络的网络参数，以实现对所述行人图像识别模型的训练，包括：将所述第一抗遮挡高层语义特征向量输入至预设的多层感知机进行分析，以得到多层感知特征向量；基于所述多层感知特征向量、所述第二抗遮挡高层语义特征向量和预设的损失函数更新所述第一行人图像识别网络和所述第二行人图像识别网络的网络参数，以实现对所述行人图像识别模型的训练。3.根据权利要求2所述的行人图像识别模型的训练方法，其特征在于，所述数据增强图像包括第一数据增强子图像和第二数据增强子图像；以及，所述损失函数为：以及，所述损失函数为：其中，p1为所述多层感知特征向量中所述第一数据增强子图像对应的特征向量，p2为所述多层感知特征向量中所述第二数据增强子图像对应的特征向量，z1为所述第二抗遮挡高层语义特征向量中所述第一数据增强子图像对应的特征向量，z2为所述第二抗遮挡高层语义特征向量中所述第二数据增强子图像对应的特征向量，L为损失值，D(a,b)为特征向量a和特征向量b之间的负余弦相似度值。4.根据权利要求1所述的行人图像识别模型的训练方法，其特征在于，所述基于所述第一抗遮挡高层语义特征向量、所述第二抗遮挡高层语义特征向量和预设的损失函数更新所述第一行人图像识别网络和所述第二行人图像识别网络的网络参数，以实现对所述行人图像识别模型的训练，包括：将所述第一抗遮挡高层语义特征向量输入至预设的多层感知机进行分析，以得到多层
感知特征向量；基于预设的梯度停止算子将所述第二抗遮挡高层语义特征向量转换为梯度停止特征向量；基于所述多层感知特征向量、所述梯度停止特征向量和预设的损失函数更新所述第一行人图像识别网络和所述第二行人图像识别网络的网络参数，以实现对所述行人图像识别模型的训练。5.根据权利要求4所述的行人图像识别模型的训练方法，其特征在于，所述数据增强图像包括第一数据增强子图像和第二数据增强子图像；以及，所述损失函数为：以及，所述损失函数为：其中，p1为所述多层感知特征向量中所述第一数据增强子图像对应的特征向量，p2为所述多层感知特征向量中所述第二数据增强子图像对应的特征向量，z1为所述第二抗遮挡高层语义特征向量中所述第一数据增强子图像对应的特征向量，z2为所述第二抗遮挡高层语义特征向量中所述第二数据增强子图像对应的特征向量，stopgrad(z1)为所述梯度停止特征向量中所述第一数据增强子图像对应的特征向量，stopgrad(z2)为所述梯度停止特征向量中所述第二数据增强子图像对应的特征向量，L为损失值，D(a,b...

【专利技术属性】
技术研发人员：司世景，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：