System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及目标重识别,尤其涉及一种基于特征一致性的目标重识别模型的训练方法及装置。
技术介绍
1、现有的目标重识别算法大多基于检测,即先提取出检测框,然后提取检测框中的对象特征,再进行重识别检索匹配。在提取检测框中的对象特征时,检测框中可能会存在背景干扰,或者不同对象穿着相同的衣物,因此衣物会对识别精度产生很大对影响。
技术实现思路
1、有鉴于此,本公开实施例提供了一种基于特征一致性的目标重识别模型的训练方法、装置、电子设备及计算机可读存储介质,以解决现有技术中忽略不同对象穿着的衣物导致目标重识别算法精度低的问题。
2、本公开实施例第一方面,提供了一种基于特征一致性的目标重识别模型的训练方法,包括:构建衣服更换网络,利用金字塔场景解析网络、衣服更换网络、transformer编码网络和分类网络构建目标重识别模型;获取训练图片,将训练图片输入目标重识别模型:通过金字塔场景解析网络确定训练图片中对象的身体区域;依据训练图片中对象的身体区域,通过衣服更换网络为训练图片中的对象更换各种衣物,得到多张换衣图片;通过transformer编码网络分别处理训练图片和多张换衣图片,得到训练图片的原始特征和各张换衣图片的换衣特征;通过分类网络分别处理原始特征和各个换衣特征,得到训练图片和各张换衣图片各自对应的识别结果;计算各个换衣特征和原始特征之间的特征一致性损失,计算各个识别结果的分类损失,依据计算得到的特征一致性损失和分类损失优化目标重识别模型的模型参数,以完成对目标重识别模型的训练
3、本公开实施例第二方面,提供了一种基于特征一致性的目标重识别模型的训练装置,包括:构建模块,被配置为构建衣服更换网络,利用金字塔场景解析网络、衣服更换网络、transformer编码网络和分类网络构建目标重识别模型;获取模块,被配置为获取训练图片,将训练图片输入目标重识别模型:解析模块,被配置为通过金字塔场景解析网络确定训练图片中对象的身体区域;换衣模块,被配置为依据训练图片中对象的身体区域,通过衣服更换网络为训练图片中的对象更换各种衣物,得到多张换衣图片;处理模块,被配置为通过transformer编码网络分别处理训练图片和多张换衣图片,得到训练图片的原始特征和各张换衣图片的换衣特征;分类模块,被配置为通过分类网络分别处理原始特征和各个换衣特征,得到训练图片和各张换衣图片各自对应的识别结果;优化模块,被配置为计算各个换衣特征和原始特征之间的特征一致性损失,计算各个识别结果的分类损失,依据计算得到的特征一致性损失和分类损失优化目标重识别模型的模型参数,以完成对目标重识别模型的训练。
4、本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
5、本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
6、本公开实施例与现有技术相比存在有益效果是:构建衣服更换网络,利用金字塔场景解析网络、衣服更换网络、transformer编码网络和分类网络构建目标重识别模型;获取训练图片,将训练图片输入目标重识别模型:通过金字塔场景解析网络确定训练图片中对象的身体区域;依据训练图片中对象的身体区域,通过衣服更换网络为训练图片中的对象更换各种衣物,得到多张换衣图片;通过transformer编码网络分别处理训练图片和多张换衣图片,得到训练图片的原始特征和各张换衣图片的换衣特征;通过分类网络分别处理原始特征和各个换衣特征,得到训练图片和各张换衣图片各自对应的识别结果;计算各个换衣特征和原始特征之间的特征一致性损失,计算各个识别结果的分类损失,依据计算得到的特征一致性损失和分类损失优化目标重识别模型的模型参数,以完成对目标重识别模型的训练。采用上述技术手段,可以解决现有技术中忽略不同对象穿着的衣物导致目标重识别算法精度低的问题,进而提高目标重识别算法精度。
本文档来自技高网...【技术保护点】
1.一种基于特征一致性的目标重识别模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,构建衣服更换网络,利用金字塔场景解析网络、衣服更换网络、Transformer编码网络和分类网络构建目标重识别模型,包括:
3.根据权利要求1所述方法,其特征在于,计算各个换衣特征和所述原始特征之间的特征一致性损失,计算各个识别结果的分类损失,包括:
4.根据权利要求3所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化所述目标重识别模型的模型参数,以完成对所述目标重识别模型的训练,包括:
5.根据权利要求1所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化所述目标重识别模型的模型参数,以完成对所述目标重识别模型的训练,包括:
6.根据权利要求1所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化所述目标重识别模型的模型参数,以完成对所述目标重识别模型的训练之后,所述方法还包括:
7.根据权利要求1所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化
8.一种基于特征一致性的目标重识别模型的训练装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于特征一致性的目标重识别模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,构建衣服更换网络,利用金字塔场景解析网络、衣服更换网络、transformer编码网络和分类网络构建目标重识别模型,包括:
3.根据权利要求1所述方法,其特征在于,计算各个换衣特征和所述原始特征之间的特征一致性损失,计算各个识别结果的分类损失,包括:
4.根据权利要求3所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化所述目标重识别模型的模型参数,以完成对所述目标重识别模型的训练,包括:
5.根据权利要求1所述方法,其特征在于,依据计算得到的特征一致性损失和分类损失优化所述目标重识别模型的模型参数,以完成对所述目标重识别模型的训练,包括:
6.根据权利要求1所述方法,其...
【专利技术属性】
技术研发人员:王洪洪,张淋,
申请(专利权)人:深圳须弥云图空间科技有限公司,
类型:发明
国别省市:
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。