[发明专利]一种用于行人重识别的将神经网络模块化的行人深度特征融合方法

权利要求书

1.一种基于神经网络模块化的方式，优化了同一行人在不同视角下的图像特征融合方法，其特征在于，包括如下步骤：

1)将神经网络架构W以多个输入/输出为节点划分多个训练模块，其中损失函数为一个单独的模块，神经网络架构W定义为主干网络；

2)选择其中某个划分模块B_p的输出节点p为特征融合模块B_f的输入节点。

3)将原来网络架构W中节点p之后的子网络定义为W_q，构建一个与W_q结构完全相同的子网络M_q；

4)将M_q拼接在特征融合模块B_f之后构建特征融合分支网络；

5)分别选择合适的损失函数对主干网络和特征融合分支网络加以约束，包括交叉熵损失函数、三元组损失函数和圆损失函数；

6)将每张图片输入到整个网络架构中，在节点p实现交叉图像特征融合；

7)通过主干网络的损失函数和特征融合分支网络的损失函数对整个网络结构超参数进行约束；

8)判断是否达到网络训练时设定的迭代次数，如果是的话执行步骤11)如果否的话执行执行步骤7)；

9)对每张行人图片通过主干网络得到的特征feature_m和特征融合分支网络得到的特征feature_f进行编码得到最终用于行人重识别的特征。具体编码方式为取feature_m和feature_f的每一维特征的均值或者最大值作为最终用于检索的行人特征feature_o；

10)对每个行人用于检索的行人特征feature_o采用距离度量方式判别行人身份，距离越近表明是同一个人的可能性越大，距离越远表明不是同一个人的可能性越大。