[发明专利]重识别模型训练方法、装置、设备及可读存储介质

权利要求书

1.一种重识别模型训练方法，其特征在于，所述重识别模型训练方法包括以下步骤：

获取样本数据集，并利用所述样本数据集对预设待训练模型进行预训练，得到第一识别模型；

利用所述第一识别模型对所述样本数据集进行特征提取处理，并对提取的特征进行计算，得到目标特征值；

根据所述目标特征值对所述样本数据集进行标签替换处理，得到目标样本数据；

利用所述目标样本数据对所述预设待训练模型进行训练，得到目标重识别模型。

2.如权利要求1所述的重识别模型训练方法，其特征在于，所述利用所述样本数据集对预设待训练模型进行预训练，得到第一识别模型的步骤，包括：

获取所述样本数据集的标签数据，并对所述标签数据进行标签平滑处理，得到第一目标样本数据；

利用所述第一目标样本数据对所述预设待训练模型进行训练，得到第一识别模型。

3.如权利要求2所述的重识别模型训练方法，其特征在于，所述获取所述样本数据集的标签数据，并对所述标签数据进行标签平滑处理，得到第一目标样本数据的步骤，包括：

获取所述样本数据集的标签数据，根据所述标签数据计算所述样本数据集的损失函数；

利用第一预设算法对所述损失函数中的参数进行替换，以对所述样本数据集的标签数据进行标签平滑处理，得到第一目标样本数据。

4.如权利要求1所述的重识别模型训练方法，其特征在于，所述样本数据包括图像数据，所述利用所述第一识别模型对所述样本数据集进行特征提取处理，并对提取的特征进行计算，得到目标特征值的步骤，包括：

利用所述第一识别模型，对所述样本数据集中的图像数据进行特征提取，得到目标特征向量；

从所述样本数据集的图像数据中确定第一图像数据，并从所述目标特征向量中确定所述第一图像数据对应的第一特征向量；

对所述第一特征向量进行特征计算，得到目标特征值。

5.如权利要求4所述的重识别模型训练方法，其特征在于，所述根据所述目标特征值对所述样本数据集进行标签替换处理，得到目标样本数据的步骤，包括：

从所述样本数据集中确定第二图像数据；

根据所述目标特征值，对所述第一图像数据与所述第二图像数据的相似性进行计算，得到相似性特征值；

根据所述相似性特征值对所述样本数据集进行标示，以对所述样本数据的标签数据进行替换，得到目标样本数据。

6.如权利要求5所述的重识别模型训练方法，其特征在于，所述根据所述相似性特征值对所述样本数据集进行标示，以对所述样本数据的标签数据进行替换，得到目标样本数据的步骤，包括：

获取预设超参数对应的超参数值；

利用第二预设算法，对所述超参数值和所述相似性特征值进行计算，得到所述样本数据集对应的目标标签数据；

利用所述目标标签数据对所述样本数据集的标签数据进行替换，得到目标样本数据。

7.如权利要求1至6任一项所述的重识别模型训练方法，其特征在于，所述利用所述目标样本数据对所述预设待训练模型进行训练，得到目标重识别模型之后的步骤，包括：

获取所述目标重识别模型的模型参数；

根据所述模型参数对所述目标重识别模型的性能进行评估，以判断所述目标重识别模型的性能是否满足预设条件；

若所述目标重识别模型的性能不满足预设条件，则返回并执行获取预设超参数对应的超参数值的步骤，直到所述目标重识别模型的性能满足预设条件。