一种基于特征比对任务的结构信息对齐训练方法技术

本发明专利技术公开了一种基于特征比对任务的结构信息对齐训练方法，包括如下步骤：步骤一，进行数据增强，通过数据增强操作对输入图像进行扰动处理，以增加潜在空间的结构多样性；步骤二，进行对齐拓扑结构；步骤三，识别结构差异较大的样本；步骤四，计算加权分类损失；步骤五，结合步骤二计算获得的拓扑结构对齐损失和加权分类损失对模型进行优化。本发明专利技术的基于特征比对任务的结构信息对齐训练方法，通过持续性配对方法来对齐输入图像和特征隐藏层之间的拓扑结构，来增加特征层空间的结构多样性，增强模型的效果。

【技术实现步骤摘要】

本专利技术涉及一种训练方法，更具体的说是涉及一种基于特征比对任务的结构信息对齐训练方法。

技术介绍

1、随着监控场景下人脸识别技术和行人重识别(reid)技术的不断发展，优化模型在复杂场景中对人脸和行人去重的能力尤为重要。最近无监督学习和图神经网络的成功证明了数据结构信息的有效性。考虑到特征比对任务可以利用大规模训练数据，这些数据本质上包含重要的结构信息，随着数据量级的增大，直接对齐输入空间和潜在空间之间的结构信息不可避免地会遇到过拟合问题，导致潜在空间中的结构崩溃现象。

技术实现思路

1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于特征比对任务的结构信息对齐训练方法，通过持续性配对方法来对齐输入图像和特征隐藏层之间的拓扑结构，来增加特征层空间的结构多样性，增强模型的效果。

2、为实现上述目的，本专利技术提供了如下技术方案：一种基于特征比对任务的结构信息对齐训练方法，其特征在于：包括如下步骤：

3、步骤一，进行数据增强，通过数据增强操作对输入图像进行扰动处理，以增加潜在空间本文档来自技高网...

【技术保护点】

1.一种基于特征比对任务的结构信息对齐训练方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于特征比对任务的结构信息对齐训练方法，其特征在于：所述步骤一中数据增强操作如下：对输入样本x应用增强操作Ai，生成扰动样本具体公式为：

3.根据权利要求2所述的基于特征比对任务的结构信息对齐训练方法，其特征在于：所述步骤二中计算拓扑结构对齐损失的具体方式为：对比输入点云x和扰动潜在空间特征z的拓扑差异，定义拓扑结构对齐损失Lsa：

4.根据权利要求3所述的基于特征比对任务的结构信息对齐训练方法，其特征在于：所述步骤三中识别结构差异较大的困难样本的损伤分...

【技术特征摘要】

1.一种基于特征比对任务的结构信息对齐训练方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于特征比对任务的结构信息对齐训练方法，其特征在于：所述步骤一中数据增强操作如下：对输入样本x应用增强操作ai，生成扰动样本具体公式为：

3.根据权利要求2所述的基于特征比对任务的结构信息对齐训练方法，其特征在于：所述步骤二中计算拓扑结构对齐损失的具体方式为：...

【专利技术属性】
技术研发人员：张辉，赵天成，张璐，应和廷，蒋轲磊，
申请(专利权)人：杭州联汇科技股份有限公司，
类型：发明
国别省市：