一种联合多损失动态训练策略增强局部特征学习的行人重识别方法

摘要

本发明公开了一种联合多损失动态训练策略增强局部特征学习的行人重识别方法，行人的局部特征不断被证明是一种在行人重识别任务中表现良好的特征，在一定程度上提高重识别的准确度，在提取到全局特征图之后，沿垂直方向将特征图均匀分成六块，但均匀分块的方式过于简单，导致局部特征的不对齐问题。在行人识别中，行人携带的物品也是一类有帮助的特征，但现有技术并没有考虑到这点，主要关注点还是在行人人体特征上，为了学习到行人携带物的特征，采用了自注意力机制来使网络关注这一部分特征，最后与全局特征相结合增强特征表示；为了无缝联合交叉熵损失函数和三元组损失函数，我们使用动态训练这两个损失函数的方案来优化深度学习模型参数。