[发明专利]一种基于概率密度函数的行人重识别评价方法有效
申请号: | 201911273914.4 | 申请日: | 2019-12-12 |
公开(公告)号: | CN111062430B | 公开(公告)日: | 2023-05-09 |
发明(设计)人: | 廖志梁;王道宁;陶亮;郭宝珠 | 申请(专利权)人: | 易诚高科(大连)科技有限公司 |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06V10/764;G06V40/20 |
代理公司: | 大连优路智权专利代理事务所(普通合伙) 21249 | 代理人: | 宋春昕 |
地址: | 116000 辽宁省大连市高*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 概率 密度 函数 行人 识别 评价 方法 | ||
1.一种基于概率密度函数的行人重识别评价方法,其特征在于:包括以下步骤:
1)行人数据集准备:
a)使用公开PersonReID数据集合并在一起作为训练数据集;
b)利用训练数据的标签制作验证图像对,分为类内图像对和类间图像对;
c)使用未参与训练数据集构建的公开PersonReID数据集作为测试数据集,按步骤1)-b),制作测试数据类内图像对和类间图像对;
2)构建PersonReID训练网络,设计损失函数,设置训练参数,开始训练,方法如下:
a)选择网络结构;
b)选择损失函数;
c)开始训练,计算训练过程中每一轮权重更新后训练数据集的正确率,召回率和loss值;
3)训练过程中保存模型,进行概率密度验证,确定训练停止时间,具体方法如下:
a)记录开始训练的第一次权重更新后的正确率,在训练过程中当权重更新后的正确率比上一次记录值增长设定值,保存当前模型,同时将记录值刷新为当前正确率;
b)利用保存的模型对步骤1)-a)中得到的训练数据集上的类间和类内图像对进行特征提取,计算每个图像对中两张图像的距离dis;
c)对类内图像对得到的所有距离值进行拟合,得到类内概率密度函数I(dis),对类间图像对得到的所有距离值进行拟合,得到类间的概率密度函数C(dis);
d)若训练过程中最新保存的模型Si得到的类内和类间图像对的类内概率密度函数、类间的概率密度函数均值之差大于上一个保存的模型Si-1得到的类内和类间图像对的类内概率密度函数、类间的概率密度函数均值之差,同时正确率和召回率持续增长,loss值持续下降,则认为训练过程正在收敛,在正确率达到一定数值以上时停止训练,保存最终PersonReID模型,否则,认为训练过程发散,无法得到最终PersonReID模型,需要调整后重新训练;
4)利用测试集上的类内类间图像对判定训练得到的最终PersonReID模型性能是否满足使用要求,具体判定方法如下:
a)计算步骤3)中保存的最终模型在测试集上的正确率A;
b)利用步骤3)中保存的最终模型对步骤1)-c)中得到的测试数据集上的类间和类内图像对进行特征提取,计算每个图像对中两张图像的距离t_dis;
c)对类内图像对得到的所有距离值进行拟合,得到类内概率密度函数TI(dis),对类间图像对得到的所有距离值进行拟合,得到类间的概率密度函数TC(dis),利用TI(t_dis)和TC(t_dis)绘制概率密度曲线,若两条曲线的重叠区域面积小于设定值且正确率A大于设定值,则模型满足条件,可以使用,否则,Person ReID模型不达标需要更换策略方法重新训练。
2.根据权利要求1所述的一种基于概率密度函数的行人重识别评价方法,其特征在于:所述步骤1)-a)中,训练数据集的类别数多于10000类,每个类别包含至少10张图像,从属于不同的人的全身图像作为一个单独的类。
3.根据权利要求1所述的一种基于概率密度函数的行人重识别评价方法,其特征在于:所述步骤1)-b)中,类内图像对为:在每个类别中进行不放回的3次抽取,每次随机收取2张图像,构成类内图像对集合;类间图像对:随机选择总类别数的10%个类别,每个类别不放回的随机抽取1张图像,对这些图像进行排列组合,得到部分图像对;再次随机选择总类别数的10%个类别,每个类别不放回的随机抽取1张图像,对这些图像进行排列组合,得到另一部分图像对,两部分图像对合在一起构成类间图像对集合。
4.根据权利要求1所述的一种基于概率密度函数的行人重识别评价方法,其特征在于:所述步骤2)-a)中,网络结构采用ResNet34、ResNet50、ResNet101、ResNet152或MobileNet_V3网络。
5.根据权利要求1所述的一种基于概率密度函数的行人重识别评价方法,其特征在于:所述步骤2)-b)中,损失函数采用度量学习损失函数triploss或者变形版分类损失函数Large-MarginSoftmaxLoss、SphereFace_loss。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于易诚高科(大连)科技有限公司,未经易诚高科(大连)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911273914.4/1.html,转载请声明来源钻瓜专利网。