买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京交通大学

摘要：一种基于多层级数据扰动策略的域泛化行人再识别模型训练方法，包括：将原始行人图像输入显式随机扰动模块，将目标行人和扰动后的行人背景重构成背景扰动后的行人图像，获得背景随机扰动后的行人图像；将原始行人图像与背景扰动后的行人图像组合成图像对，将所述图像对输入基线网络进行特征提取，不确定抽样标准化模块对提取后的特征进行隐式扰动，整合后获得输出特征对；将所述输出特征对，输入损失计算模块，将所述输出特征对拆分为原始行人特征与扰动行人特征计算协方差损失，最终计算总损失，将总损失在所述基线网络中反向传播，更新网络权重。本发明在不增加模型参数前提下，显著提升了模型泛化性。

主权项：1.一种基于多层级数据扰动策略的域泛化行人再识别模型训练方法，其特征在于，包括：将原始行人图像输入显式随机扰动模块，将目标行人和扰动后的行人背景重构成背景扰动后的行人图像，获得背景随机扰动后的行人图像；将原始行人图像与背景扰动后的行人图像组合成图像对，将所述图像对输入基线网络进行特征提取，不确定抽样标准化模块对提取后的特征进行隐式扰动，整合后获得输出特征对；将所述输出特征对，输入损失计算模块，将所述输出特征对拆分为原始行人特征与扰动行人特征计算协方差损失，最终计算总损失，将总损失在所述基线网络中反向传播，更新网络权重；所述将原始行人图像的输入显式随机扰动模块，将目标行人和扰动后的行人背景重构成背景扰动后的行人图像，包括：将原始行人图像生成行人掩膜图，根据所述行人掩膜图分离出目标行人和行人背景；将训练集中随机抽取的一张辅助行人图像生成辅助行人掩膜图，分离出背景并单独进行随机风格扰动，获得辅助行人背景；将所述目标行人和所述辅助行人背景重构成背景扰动后的行人图像；将所述图像对输入基线网络进行特征提取，不确定抽样标准化模块对提取后的特征进行隐式扰动，整合后获得输出特征对，包括：将所述图像对输入基线网络，所述基线网络第一层、第二层以及第三层后分别嵌入一个不确定抽样标准化模块；将所述图像对进行前向传播，在基线网络浅层组件和上层特征提取层中依次进行特征提取，不确定标准化模块对上层特征提取层提取的特征的中高层特征进行隐式扰动，获得扰动特征对；将所述扰动特征对输入基线网络输出层，获得输出特征对；所述不确定抽样标准化模块被配置为：接收提取后的特征xi；计算所述图像对的特征xi在实例级别的均值μx和方差σx，获得实例标准化后的特征在批量维度分别获得实例均值μx的均值Uμx和方差Σμx，同时获得方差σx在批量维度的均值Uσx和方差Σσx；随机从标准正态分布中抽样z1和z2，利用重参数化，分别得到重构的均值γx，方差βx，对标准化的特征x进行仿射变换，得到作为不确定标准化模块的输出,按式I-III进行：γx＝Uμx+z1·ΣμxIβx＝Uσx+z2·ΣσxII 式中，xi为图像对的特征，μx为实例级别的均值，σx为实例级别的方差，为实例标准化后的特征，μx为批量维度的实例均值，Uμx为μx在批量维度的均值，Σμx为μx在批量维度的方差，Uσx为σx在批量维度的均值，Σσx为σx在批量维度的方差，z1和z2为标准正态分布中的抽样，γx和βx为重参数化后重构的均值和方差，为标准化的特征仿射变换后的特征。

全文数据：

权利要求：

百度查询： 北京交通大学 一种基于多层级数据扰动策略的域泛化行人再识别方法