行人重识别方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种行人重识别方法、装置及电子设备。涉及人工智能技术领域。该方法包括：通过自适应学习的方法生成训练样本；基于训练样本对特殊的神经网络中进行训练，得到训练好的神经网络，所述神经网络包括可扩充卷积，所述可扩充卷积基于卷积核和卷积核偏移量确定；基于训练好的神经网络对进行行人重识别。可以更好的提取特定目标独有的特点，提升识别准确率。率。率。

【技术实现步骤摘要】
行人重识别方法、装置及电子设备


[0001]本专利技术涉及人工智能
，尤其是涉及一种行人重识别方法、装置及电子设备。

技术介绍

[0002]在监控视频中，由于相机分辨率和拍摄角度的缘故，通常无法得到质量非常高的人脸图片。当人脸识别失效的情况下，ReID就成为了一个非常重要的替代品技术。ReID有一个非常重要的特性就是跨摄像头，所以设计一种准确检索跨摄像头目标的方法显得尤为重要。

技术实现思路

[0003]本专利技术的目的在于提供一种行人重识别方法、装置及电子设备，以缓解了现有技术中存在的识别精度低的技术问题。
[0004]第一方面，提供了一种行人重识别方法。该方法包括：
[0005]通过自适应学习的方法生成训练样本；
[0006]基于训练样本对特殊的神经网络中进行训练，得到训练好的神经网络，所述神经网络包括可扩充卷积，所述可扩充卷积基于卷积核和卷积核偏移量确定；
[0007]基于训练好的神经网络对进行行人重识别。
[0008]在一些可选的实现中，所述通过自适应学习的方法生成训练样本，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人重识别方法，其特征在于，包括：通过自适应学习的方法生成训练样本；基于训练样本对特殊的神经网络中进行训练，得到训练好的神经网络，所述神经网络包括可扩充卷积，所述可扩充卷积基于卷积核和卷积核偏移量确定；基于训练好的神经网络对进行行人重识别。2.根据权利要求1所述的方法，其特征在于，所述通过自适应学习的方法生成训练样本，包括：基于对抗神经网络生成初始训练样本；其中，所述对抗神经网络包括一个外观编码器，一个结构编码器，一个解码器以及一个判别器来区分真实样本以及生成样本；对所述初始训练样本进行二次优化过滤，得到最终训练样本，所述最终训练样本用于对所述特殊的神经网络进行训练。3.根据权利要求1所述的方法，其特征在于，基于可扩充卷积的特征提取过程基于如下公式确定：其中，R为卷积之后的特征值，J为卷积核，(m，n)为卷积大小，i为待卷积矩阵，Δp为卷积核偏移量。4.根据权利要求1所述的方法，其特征在于，基于可扩充卷积的特征提取过程基于如下公式确定：其中，R为卷积之后的特征值，J为卷积核，(m，n)为卷积大小，i为待卷积矩阵，Δp为卷积核偏移量，F为双线性插值方法，使得得到的特征值变为整数。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，基于组合式损失函数以及训练样本对特殊的神经网络中进行训练，所述组合式损失函数基于如下公式确定：其中z
i
为第i个节点的输出值，C为输出节点个数，即分类的类别个数，a为anchor锚示例，p为positive，与a是同一类别的样本；n为negative，与a是不同类别的样本；margin是一个...

【专利技术属性】
技术研发人员：田煜，石柱国，李凡平，
申请(专利权)人：以萨技术股份有限公司，
类型：发明
国别省市：