[发明专利]一种高效的车辆再辨识方法和装置

权利要求书

1.一种高效的车辆再辨识方法，其特征在于，包括如下步骤：

步骤1)构造四个不同方向性的深度网络，并分别在训练过程中进行困难样本的协调调度；

步骤2)利用知识蒸馏方法，将四个不同方向性深度网络作为教师网络，用于指导一个学生网络训练，再将训练好的学生网络用于车辆再辨识，从而降低车辆再辨识的计算量。

2.如权利要求1所述的一种高效的车辆再辨识方法，其特征在于，步骤1中，所述四个不同方向性深度网络包括：水平网络、垂直网络、对角网络和反对角网络，这些方向性网络通过在深度骨干网络后分别嵌入水平、垂直、对角、反对角方向的最大池化层而构成。

3.如权利要求1所述的一种高效的车辆再辨识方法，其特征在于，所述困难样本的协调调度具体指，对每个方向性深度网络训练的小批量样本包括两个部分：

1.1)独立地从训练集随机选择一部分数据，保证每个方向性深度网络对应的小批量样本不同；

1.2)接收其他方向性深度网络推送过来的分类错误的困难样本，引导当前的方向性深度网络弥补其他方向性深度网络的错误，从而训练出更具有互补性的方向性深度网络。

4.如权利要求1所述的一种高效的车辆再辨识方法，其特征在于，所述教师网络中的每一个方向性深度网络，其训练损失函数表示如下：

其中，

其中，x和y分别表示输入的训练图像样本和对应的类别标签；表示逻辑输出值；net(·)和θ表示方向性深度网络及其网络参数；C表示类别数量；z_c表示z的第c个元素；p(z_c,T)表示x属于第c类的概率。

5.如权利要求4所述的一种高效的车辆再辨识方法，其特征在于，所述p(z_c,T)表示如下：

其中，T≥1表示用于软化后验概率分布的超参数。

6.如权利要求1所述的一种高效的车辆再辨识方法，其特征在于，所述学生网络仅在一个骨干网络后嵌入全局最大池化层。

7.如权利要求1所述的一种高效的车辆再辨识方法，其特征在于，学生网络训练损失函数表示如下：

Loss(x,y,θ_s)＝L_ce(x,y,θ_s)+λL_kld(z^s,z^t)

其中，θ_s表示该学生网络参数；L_ce为方向性深度网络的训练损失函数，其超参数T＝1；λ0表示用于控制L_kld的权重参数；L_kld表示KL散度损失。

8.如权利要求7所述的一种高效的车辆再辨识方法，其特征在于，所述L_kld表示为：

其中，z^s表示由学生网络对于输入训练图像x的逻辑输出值；z^t表示由教师网络中的3个方向性深度网络对于输入训练图像x的逻辑输出值的均值；p(·)表示的后验概率，超参数T设置为2。

9.一种高效的车辆再辨识装置，其特征在于，包括

图像采集模块，用于采集不同摄像头的待辨识的车辆图像构成查询集；

车辆再辨识模块，采用上述的高效的车辆再辨识方法中训练好的学生网络，对输入的待辨识的查询集的车辆图像和注册集的车辆注册图像进行匹配，在注册集中寻找与查询集的车辆图像高度相似的注册集的车辆注册图像。