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：南京信息工程大学

摘要：本发明公开了基于随机颜色丢弃和注意力的轻量行人重识别方法及系统，涉及行人重识别技术领域，接收图像数据，对图像数据进行预处理，得到预处理图像数据；将预处理图像数据输入至预先建立的嵌入有级联自注意力模块的OSNet内，提取特征，得到图像特征；将图像特征通过全连接层进行分类，将图像特征映射到相应的类别标签上，得到分类后的图像特征；使用分类后的图像特征计算带有标签平滑的身份损失，通过反向传播更新梯度对预先建立的轻量行人重识别网络模型进行优化训练，得到优化后的轻量行人重识别网络模型；获取行人重识别数据集的测试集，将行人重识别数据集的测试集输入至优化后的轻量行人重识别网络模型内，得到轻量行人重识别结果。

主权项：1.基于随机颜色丢弃和注意力的轻量行人重识别方法，其特征在于，方法包括以下步骤：接收图像数据，对图像数据进行预处理，得到预处理图像数据；所述对图像数据进行预处理的过程包括：数据增强：采用随机翻转，随机擦除以及基于LAGT的随机颜色丢弃策略进行执行，最终得到预处理图像数据；所述基于LAGT的随机颜色丢弃策略采用聚合灰度变换对图像灰度化，计算过程如下： 其中，，和表示红色、绿色和蓝色通道，，，，和分别表示红色通道、绿色通道和蓝色通道的特定位置处的像素值，权重系数表示为，为图像的高，为图像的宽；所述LAGT的实现过程如下：在数据加载过程中，采用随机身份采样器，随机选取种身份，每个身份选取张行人，图片训练批次大小为，集合表示为，其中表示训练批次中的第个图像，表示第个图像的样本标签，LAGT以概率将原始图像转变为灰度图像，从原始图像随机选择一个矩形区域，将灰度图像对应位置区域的灰度值替换到原始图像之中，给定一张原始行人图片，以概率进行聚合灰度变换，对应的AGT图像被定义为： 原始图像面积大小： 其中，为图像的高，为图像的宽；AGT矩形的面积： 其中，、为AGT图像面积与原始图像面积比的最小值与最大值；AGT矩形的高宽比及高和宽： 其中，为灰度变换矩形高宽比的最大值和最小值；在原始图像中随机初始化一个点，满足下列条件： 为图像的高，为图像的宽；选定的LAGT区域为： 对于每个，所选定的LAGT区域rect为： LAGT算法最终可表示为： 其中，是将图像对应矩形中的像素给予到图像，是LAGT变换后的样本；将预处理图像数据输入至预先建立的嵌入有级联自注意力模块的OSNet内，提取特征，输出得到图像特征；所述嵌入有级联自注意力模块包括SSAM和CSAM；所述SSAM对预处理图像数据提取的中间特征图为，其中为特征通道数，为中间特征图的大小，对进行1×1卷积操作，得到，，，其中，对，，重塑操作后，求得空间自注意力亲和矩阵,，其中，该过程表示如下： 其中表示空间中第个位置对第个位置的注意权重，将与相乘嵌入注意力权重后，再与原始特征图像素叠加得到空间自注意力加权的特征图： 其中是调整SSAM影响的超参数，将空间自注意力加权的特征图通过CSAM进行处理；所述CSAM对于输入带有空间自注意力加权的特征图，重塑操作后，求得通道自注意力亲和矩阵，，该过程表示如下： 其中表示通道对通道的注意权重，对于，初始化一个与大小相同且值全为最大值的矩阵，新的通道自注意权重亲和矩阵为，，将与相乘嵌入注意力权重后再与对应位置像素叠加得到通道自注意力加权的特征图； 其中是调整CSAM影响的超参数；将通道自注意力加权的特征图经过OSNet骨干网后，得到图像特征；将图像特征通过全连接层进行分类，将图像特征映射到相应的类别标签上，得到分类后的图像特征；使用分类后的图像特征计算带有标签平滑的身份损失，通过反向传播更新梯度，对预先建立的轻量行人重识别网络模型进行优化训练，得到优化后的轻量行人重识别网络模型；获取行人重识别数据集的测试集，将行人重识别数据集的测试集输入至优化后的轻量行人重识别网络模型内，输出得到轻量行人重识别结果。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于随机颜色丢弃和注意力的轻量行人重识别方法及系统