[发明专利]网络训练、行人重识别方法及装置、电子设备和存储介质

说明书

本公开涉及一种网络训练、行人重识别方法及装置、电子设备和存储介质，应用于部署有第一神经网络和本地图像数据集的客户端，所述方法包括：接收服务端发送的第一网络参数，其中，第一网络参数是服务端联合至少两个客户端对部署在服务端的第二神经网络进行训练获得；根据第一网络参数、本地图像数据集、以及对本地图像数据集进行聚类得到的标签，对第一神经网络进行至少一轮训练，得到第二网络参数；向服务端发送第二网络参数，其中，第二网络参数用于训练服务端中部署的第二神经网络，以更新第一网络参数；迭代地执行上述步骤，直至迭代训练满足第一预设训练条件，迭代训练后的第一神经网络和/或第二神经网络用于对待处理图像进行图像处理。

技术领域

本公开涉及计算机技术领域，尤其涉及一种网络训练、行人重识别方法及装置、电子设备和存储介质。

背景技术

行人重识别(Person Re-identification)，也称为行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。目前，行人重识别技术已广泛应用于多个领域和行业，如应用于智能视频检测、智能安保等。由于行人重识别技术在处理图像或视频帧序列的过程中，涉及了人脸、人体、个人身份等隐私数据，因此，亟需一种可以避免隐私数据泄露的行人重识别方法。

发明内容

本公开提出了一种网络训练、行人重识别方法及装置、电子设备和存储介质技术方案。

根据本公开的一方面，提供了一种网络训练方法，所述方法应用于客户端，所述客户端中部署有第一神经网络和本地图像数据集，所述方法包括：接收服务端发送的第一网络参数，其中，所述服务端中部署有第二神经网络，所述第一网络参数是所述服务端联合至少一个所述客户端对所述第二神经网络进行训练获得；根据所述第一网络参数、所述本地图像数据集、以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行至少一轮训练，得到第二网络参数；向所述服务端发送所述第二网络参数，其中，所述第二网络参数用于训练所述服务端中部署的所述第二神经网络，以更新所述第一网络参数；迭代地执行上述步骤，直至迭代训练满足第一预设训练条件，迭代训练后的所述第一神经网络和/或所述第二神经网络用于对待处理图像进行图像处理。

在一种可能的实现方式中，所述根据所述第一网络参数、所述本地图像数据集、以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行至少一轮训练，得到第二网络参数，包括：根据所述第一网络参数、所述本地图像数据集，以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行当前轮次的训练，确定所述当前轮次的训练是否满足第二预设训练条件；在所述当前轮次的训练不满足所述第二预设训练条件的情况下，继续对所述第一神经网络进行下一轮次的训练；或者，在所述当前轮次的训练满足所述第二预设训练条件的情况下，将所述当前轮次的训练生成的网络参数确定为所述第二网络参数。

在一种可能的实现方式中，所述方法还包括：在经过预设目标训练轮数的训练后，所述第一神经网络仍不满足所述第二预设训练条件的情况下，将经过所述预设目标训练轮数的训练生成的网络参数确定为所述第二网络参数。

在一种可能的实现方式中，所述本地图像数据集包括多个图像数据子集；所述根据所述第一网络参数、所述本地图像数据集，以及对所述本地图像数据集进行聚类得到的标签，对所述第一神经网络进行当前轮次的训练，确定所述当前轮次的训练是否满足第二预设训练条件，包括：在所述当前轮次的训练中，每个所述图像数据子集对应的训练精度均大于或等于第一训练精度阈值的情况下，确定所述当前轮次的训练满足所述第二预设训练条件。