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：深圳须弥云图空间科技有限公司

摘要：本公开涉及机器学习技术领域，提供了一种行人再识别方法及装置。该方法包括：构建行人再识别模型，其中，行人再识别模型，包括：行人再识别分支与质量回归分支；获取预训练模型，并利用预训练模型初始化行人再识别模型；对初始化后的行人再识别模型进行多阶段训练；获取待分类的行人数据集，其中，行人数据集，包括：多个人的多张图片；利用经过多阶段训练后的行人再识别模型对行人数据集中的图片进行分类，得到每个人的一张或多张图片。采用上述技术手段，解决现有技术中，目前的行人再识别算法中，存在模型训练耗时多、成本高，以及精度低的问题。

主权项：1.一种行人再识别方法，其特征在于，包括：构建行人再识别模型，其中，所述行人再识别模型，包括：行人再识别分支与质量回归分支；获取预训练模型，并利用所述预训练模型初始化所述行人再识别模型；对初始化后的行人再识别模型进行多阶段训练；获取待分类的行人数据集，其中，所述行人数据集，包括：多个人的多张图片；利用经过所述多阶段训练后的行人再识别模型对所述行人数据集中的图片进行分类，得到每个人的一张或多张图片；其中，所述对初始化后的行人再识别模型进行多阶段训练，包括：冻结所述质量回归分支，利用所述行人再识别模型的第一损失函数训练所述行人再识别分支，其中，所述第一损失函数中的间隔因子由所述质量回归分支确定，冻结所述质量回归分支后，所述间隔因子为常数；冻结所述行人再识别分支，利用确定所述间隔因子的第二损失函数训练所述质量回归分支；利用所述第一损失函数同时训练所述行人再识别分支和所述质量回归分支，其中，没有冻结所述质量回归分支，则所述间隔因子为变量；其中，所述第一损失函数Lcircle： αp＝1+m-sp Δp＝1-mΔn＝m其中，sp表示当前图片的特征向量与当前图片的正类中心向量的相似度，表示当前图片的特征向量与当前图片的第j个负类中心向量的相似度，L表示负类个数，γ为特征缩放因子，m为间隔因子，m由所述质量回归分支确定，如果所述质量回归分支被冻结了，则m为常数，如果所述质量回归分支没有被冻结，则m为变量，m等于所述第二损失函数的函数值；其中，所述第二损失函数m： 其中，m0和m1为常量，q为所述质量回归分支的输出，所述质量回归分支的输出表示行人图片质量分，qmin为所述质量回归分支的最小输出，qmax为所述质量回归分支的最大输出。

全文数据：

权利要求：

百度查询： 深圳须弥云图空间科技有限公司 行人再识别方法及装置