[发明专利]重识别模型增量训练方法及装置、电子设备和存储介质

权利要求书

1.一种重识别模型增量训练方法，其特征在于，所述方法包括：

将待识别图像输入学生模型进行处理得到第一处理结果，将所述待识别图像输入教师模型进行处理得到第二处理结果，所述待识别图像包括历史图像和增量图像，所述教师模型根据所述历史图像训练得到；

根据所述学生模型中分类层的输出结果和所述教师模型中分类层的输出结果，确定模拟损失；

根据所述第一处理结果、所述待识别图像的实际标识和所述模拟损失，确定所述第一处理结果的损失；

向所述学生模型反向传播所述第一处理结果的损失的梯度，以调整所述学生模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述学生模型中分类层的输出结果和所述教师模型中分类层的输出结果，确定模拟损失，包括：

根据所述学生模型中分类层的输出结果、所述教师模型中分类层的输出结果和mimicloss函数，确定模拟损失。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一处理结果、所述待识别图像的实际标识和所述模拟损失，确定所述第一处理结果的损失，包括：

根据所述第一处理结果和所述待识别图像的实际标识，确定所述第一处理结果的处理损失；

根据所述第一处理结果的处理损失和所述待识别图像对应的权值，确定所述第一处理结果的权值损失，其中，所述历史图像对应第一权值，所述增量图像对应第二权值，所述第一权值大于所述第二权值；

根据所述模拟损失和所述权值损失，确定所述第一处理结果的损失。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

将所述增量图像划分为图像组，每一图像组包括同一目标对象的图像；

根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，得到聚类分析结果；

根据所述聚类分析结果确定所述增量图像的实际标识。

5.根据权利要求4所述的方法，其特征在于，所述目标对象为行人，所述将所述增量图像划分为图像组，包括：

识别增量图像中的行人，得到增量图像的识别结果，所述增量图像包括时间信息和地点信息；

根据增量图像的识别结果、时间信息和地点信息，确定各所述行人的轨迹；

将与目标行人的轨迹对应的增量图像确定为图像组，所述目标行人为任一所述行人。

6.一种重识别模型增量训练装置，其特征在于，所述装置包括：

处理结果获取模块，用于将待识别图像输入学生模型进行处理得到第一处理结果，将所述待识别图像输入教师模型进行处理得到第二处理结果，所述待识别图像包括历史图像和增量图像，所述教师模型根据所述历史图像训练得到；

模拟损失确定模块，用于根据所述学生模型中分类层的输出结果和所述教师模型中分类层的输出结果，确定模拟损失；

处理结果损失确定模块，用于根据所述第一处理结果、所述待识别图像的实际标识和所述模拟损失，确定所述第一处理结果的损失；

反向传播模块，用于向所述学生模型反向传播所述第一处理结果的损失的梯度，以调整所述学生模型的参数。

7.根据权利要求6所述的装置，其特征在于，所述模拟损失确定模块，包括：

第一模拟损失确定子模块，用于根据所述学生模型中分类层的输出结果、所述教师模型中分类层的输出结果和mimic loss函数，确定模拟损失。

8.根据权利要求6或7所述的装置，其特征在于，所述处理结果损失确定模块，包括：

处理损失确定子模块，用于根据所述第一处理结果和所述待识别图像的实际标识，确定所述第一处理结果的处理损失；

权值损失确定子模块，用于根据所述第一处理结果的处理损失和所述待识别图像对应的权值，确定所述第一处理结果的权值损失，其中，所述历史图像对应第一权值，所述增量图像对应第二权值，所述第一权值大于所述第二权值；

第一处理结果损失确定子模块，用于根据所述模拟损失和所述权值损失，确定所述第一处理结果的损失。