[发明专利]基于端到端网络的物件定位与检索方法及相关设备

权利要求书

1.一种物件定位与检索方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入到第一特征提取层进行特征提取，得到第一特征图像；

将所述第一特征图像输入到卷积层，得到第二特征图像；

将所述第二特征图像输入到物件信息层，得到物件信息特征图，所述物件信息特征图包括：物件的类型、位置、和物件权重特征；

将所述物件信息特征图输入到数据分析层，解析出物件的类型、位置和物件权重特征，将物件权重特征构造成二维权重矩阵，将物件位置所在的ROI图像压缩到固定尺寸与所述二维权重矩阵进行卷积计算，得到物件REID特征图；

将所述物件REID特征图输入到第二特征提取层，得到第三特征图像；

将所述第三特征图像输入依次输入到第一全连接层、第二全连接层以及第一归一化层，得到压缩特征维度之后的物件重识别特征。

2.根据权利要求1所述的方法，其特征在于，所述将所述物件信息特征图输入到数据分析层，解析出物件的类型、位置和权重特征，将权重特征构造成二维权重矩阵，将物件位置所在的ROI图像压缩到固定尺寸与所述二维权重矩阵进行卷积计算，得到物件REID特征图，包括：

将所述物件信息特征图解析出物件类型、位置和权重特征；解析出物件在图像中的位置，获取所述物件ROI，将物件ROI压缩到固定尺寸；

将所述权重特征对应的权重向量构造成二维权重矩阵，并将压缩后的物件ROI与物件权重矩阵特征进行卷积计算，得到n*n的网络特征图；

将所述n*n的网络特征图输入到激活函数，得到n*n的所述物件REID特征图。

3.根据权利要求1或2所述的方法，其特征在于，在所述目标图像中有P个物件，且进行搜索时，所述P为大于1的正整数，所述方法还包括：

根据所述物件重识别特征确定所述P个物件在各自底库中的各个相似概率，得到Q个概率，Q为正整数；

根据所述Q个概率构造成查询图像的第一级向量；

获取所述物件信息层输出查询图像中各个物件的检索概率，将该检索概率构造第二级向量；

根据所述第一级向量与所述第二级向量确定检索概率。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

在训练阶段，通过第一损失函数对所述第一特征层的网络模型进行训练，所述第一损失函数用于来优化图像中物件的类型、位置、物件权重特征；

和/或，

在训练阶段，所述第一全连接层连接第一归一化层，通过第二损失函数对所述第一归一化层的REID特征网络模型进行优化训练，所述第二损失函数用于指示所述样本图像与所述第一归一化层的输出结果之间的差异；

和/或，

在训练阶段，所述第二全连接层连接第二归一化层，通过第三损失函数对所述第二归一化的REID特征网络模型进行优化训练，所述第三损失函数用于指示所述样本图像与所述第二归一化层之间的差异。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

获取目标硬件参数；

确定与所述目标硬件参数对应的目标网络配置参数；

根据所述目标网络配置参数对所述第一特征提取层以及第二特征提取层的网络模型进行配置。