[发明专利]基于多场景的以图搜图测试方法、装置、产品及存储介质

说明书

本申请涉及深度学习与人工智能技术领域，公开一种基于多场景的以图搜图测试方法，包括从数据库中选取同一类别的数据获得初始数据组，从所述初始数据组中选取检索数据组；通过测试脚本中的LOAD_DATA方法将所述初始数据组和所述检索数据组的数据加载进内存；通过改进RepVGG算法提取所述检索数据组的数据中的特征；对所述特征进行比对获得测试结果；输出所述测试结果生成测试报表。该方法提高了再次测试的效率，使得原有的算法模型在特定场景中的实用性更高，提升了特征提取精度。本申请还公开一种基于多场景的以图搜图测试装置、产品及存储介质。

技术领域

本申请涉及深度学习与人工智能技术领域，例如涉及一种基于多场景的以 图搜图测试方法、装置、产品及存储介质。

背景技术

目前，互联网上图像的数据信息日渐庞大，用户对图像搜索的要求也在不 断提高，行人重识别(Person re-identification)也称行人再识别，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。

现有的以图搜图测试方案中，通常采用ReID算法进行。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

由于实际场景较多较杂，现有的ReID算法无法较好地适应特定的场景。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。 所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例 的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种基于多场景的以图搜图测试方法装置、产品及存 储介质，以解决多场景应用的技术问题。

在一些实施例中，所述方法包括：

从数据库中选取同一类别的数据获得初始数据组，所述初始数据组的数量 范围为[50,150]万组；

从所述初始数据组中选取检索数据组，所述检索数据组的数量范围为[20,60]组，其中，每组所述检索数据组包括数量范围为[10,30]张的图片，所述图片包 括不完全相同的角度、摄像头和点位；

通过测试脚本中的LOAD_DATA方法将所述初始数据组和所述检索数据组 的数据加载进内存；

通过改进RepVGG算法合并部分卷积层和BN层并且增加深度可分离卷积 代替RepVGG算法中部分卷积层后，提取所述初始数据组和所述检索数据组的 数据中的特征；

对所述特征进行比对获得测试结果；

输出所述测试结果生成测试报表。

具体的，所述深度可分离卷积包括深度卷积和点卷积，所述深度可分离卷 积的计算量为：

D_k²*D_p²*M+N*D_p²*M (1)，

其中，D_k为卷积核的大小，D_p表示每个卷积核垂直和水平滑动D_p次，N为卷积核 的个数，M为卷积核的通道数。

具体的，所述通过改进RepVGG算法合并部分卷积层和BN层并且增加深 度可分离卷积代替RepVGG算法中部分卷积层后，提取所述初始数据组和所述 检索数据组的数据中的特征，还包括：

将CircleLoss加入RepVGG算法网络中进行训练，所述CircleLoss公式为：