[发明专利]基于知识蒸馏的行人重识别方法、装置、设备及存储介质

说明书

本发明提供一种基于知识蒸馏的行人重识别方法、装置、设备及存储介质，方法包括：基于训练好的行人重识别模型对待识别的图像数据进行行人重识别，得到行人重识别结果；以及还包括：基于数据训练集和所述数据训练集所对应的预设教师模型集，得到第一输出数据；基于所述数据训练集对神经网络进行训练，得到学生模型以及所述学生模型输出的第二输出数据；基于所述第一输出数据、所述第二输出数据和判别器网络计算所述学生模型的损失函数；调整所述学生模型的模型参数以使所述损失函数最小化，得到所述训练好的行人重识别模型。根据本发明，基于跨域数据集和知识蒸馏的学习方法训练行人重识别模型，从而提高行人重识别的精确度。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于知识蒸馏的行人重识别方法、装置、设备及存储介质。

背景技术

随着社会和科技的进步，人脸识别越来越成为一项可依赖的安防技术。但是对于现今大部分摄像头而言，其分辨率往往不能达到人脸识别系统的要求，故可以应用于现有监控系统的行人重识别技术是极有必要的。行人重识别(Person re-identification)是利用图像处理技术来判定某一摄像头下的行人是否出现在其他摄像头中，从而可以描绘行人的活动路径，实现跨镜头追踪的目的。现阶段行人重识别常用方法主要有表征学习、度量学习、基于局部特征或视频序列等方法，这些行人重识别方法的训练数据集采集标记难度高，现有的数据集往往只能达到几万的级别。一方面，训练数据集的数量较小使得行人重识别方法的精度无法进一步提升。另一方面，即使是将各个数量较小的训练数据集合并在训练中也不一定能形成正向贡献，这些都阻碍了行人重识别技术进一步走向实用化。

发明内容

有鉴于此，本发明一个或多个实施例的目的在于提出基于知识蒸馏的行人重识别方法、装置、设备及存储介质，以至少解决上述问题之一。

基于上述目的，根据本发明的第一方面，提供了一种基于知识蒸馏的行人重识别方法，包括：

获取待识别的图像数据；

基于训练好的行人重识别模型对所述待识别的图像数据进行行人重识别，得到行人重识别结果；

其中，训练好的行人重识别模型的训练包括：

基于数据训练集和所述数据训练集所对应的预设教师模型集，得到第一输出数据；

基于所述数据训练集对神经网络进行训练，得到学生模型以及所述学生模型输出的第二输出数据；

基于所述第一输出数据、所述第二输出数据和判别器网络计算所述学生模型的损失函数；

调整所述学生模型的模型参数以使所述损失函数最小化，得到所述训练好的行人重识别模型。

可选地，基于数据训练集和所述数据训练集所对应的预设教师模型集，得到第一输出数据，包括：

获取所述训练数据集；

基于所述训练数据集在教师模型数据集合中确定所述对应的预设教师模型集；

将所述训练数据集输入所述对应的预设教师模型集，得到每个预设教师模型集的输出数据；

计算所有所述预设教师模型集的输出数据的平均输出数据，得到所述第一输出数据。

可选地，计算所有所述预设教师模型集的输出数据的平均输出数据，得到所述第一输出数据，包括：

其中，表示第t个预设教师模型的输出,K表示预设教师模型集的总数，t和K为正整数。

可选地，基于所述第一输出数据、所述第二输出数据和判别器网络计算所述学生模型的损失函数，包括：

基于所述第一输出数据和所述第二输出数据计算得到第一损失函数；