[发明专利]基于极化自注意力的行人重识别方法、系统及相关设备

权利要求书

1.一种基于极化自注意力的行人重识别方法，其特征在于，所述方法包括：

获取具有行人图片的拍摄数据集，并对所述拍摄数据集进行预处理，得到待划分数据集；

将所述待划分数据集划分为训练集和测试集，其中，所述训练集和所述数据集中的每一张所述行人图片都具有真实标签；

构建包含双支结构和极化自注意力机制结构的行人重识别模型；

以所述训练集作为所述行人重识别模型的输入，并以所述训练集对应的所述真实标签作为参数调试的参照，利用Adam优化算法对所述行人重识别模型进行训练，得到训练参数权重；

以所述训练参数权重作为所述行人重识别模型的测试权重，以所述测试集为所述行人重识别模型的输入，得到对于所述测试集的行人重识别结果。

2.如权利要求1所述的基于极化自注意力的行人重识别方法，其特征在于，所述获取具有行人图片的拍摄数据集，并对所述拍摄数据集进行预处理，得到待划分数据集的步骤中，所述预处理具体包括：

对所述拍摄数据集中的每一张图片的大小进行归一化，并对所述拍摄数据集中的每一张图片进行翻转、随机裁剪和擦除数据增强。

3.如权利要求1所述的基于极化自注意力的行人重识别方法，其特征在于，所述行人重识别模型以卷积神经网络作为特征提取网络，所述卷积神经网络包含输入层、卷积层、特征提取层、输出层，其中的所述卷积层包括多个；所述双支结构包含全局分支和局部分支，所述双支结构位于所述卷积层与所述输出层之间；所述极化自注意力机制结构包含通道自注意力分支和空间自注意力分支，所述极化自注意力机制结构位于每一个所述卷积层之后。

4.如权利要求3所述的基于极化自注意力的行人重识别方法，其特征在于，对于所述极化自注意力机制结构，定义经过所述卷积层输出的所述行人图片的特征矩阵为X，所述通道自注意力分支的权重为A^sp(X)，则所述通道自注意力分支的权重A^sp(X)满足关系式(1)：

A^sp(X)＝F_SG[σ₃(F_SM(σ₁(F_GP(W_q(X))))×σ₂(W_v(X)))] (1)

定义所述空间自注意力分支的权重为A^ch(X)，则所述空间自注意力分支的权重A^ch(X)满足关系式(2)：

以上关系式(1)、(2)中，W_q、W_v、均为1*1的卷积操作，σ₁、σ₂、σ₃均为张量变形操作，F_SM为softmax操作，F_GP为全局平均池化操作，F_SG为Sigmoid函数；

定义所述通道自注意力分支的权重A^sp(X)与所述空间自注意力分支的权重A^ch(X)的并联融合结果为PSA_p(X)，则所述并联融合结果PSA_p(X)满足关系式(3)：

PSA_p(X)＝Z^ch+Z^sp＝A^ch(X)⊙^chX+A^sp(X)⊙^spX (3)

以上关系式(3)中，PSA_p(X)作为所述极化自注意力机制结构的输出，⊙^ch为按通道相乘操作，⊙^sp为按空间相乘操作，Z^sp为所述空间自注意力分支的输出，Z^ch为所述通道自注意力分支的输出。