基于中心点预测损失函数的目标重识别方法

技术特征：
1.一种基于中心点预测损失函数的目标重识别方法，其特征在于步骤如下：步骤1：将待训练图片进行预处理，缩放成指定大小，并将其送入深度学习网络resnet得到初步的特征图，经过平均池化操作得到了全局特征；步骤2：将全局特征经过全连接层，映射到跟训练类别数相等维度的特征进行身份损失的计算；步骤3：在步骤1生成的全局特征基础之上，加入公式1所示的中心预测损失函数的计算；其中，k为类内样本数，f(x
i
；θ)为包含由θ参数化的多层感知机的中心预测器，；θ)为包含由θ参数化的多层感知机的中心预测器，为期望值；步骤4：中心预测损失函数对于训练批次中的某一个特征，经过多层感知机去预测类别中心，并且在该批次内，求该批次内相同类别的其他样本的均值，作为预测类别中心的一个学习目标，并利用二者之间的距离来计算出中心预测损失函数的值；步骤5：在利用反向传播过程中结合中心损失函数值对深度学习模型resnet50以及错层感知机mlp进行训练，使深度学习模型逐步更新至理想性能；步骤6：测试阶段：从校园监控数据集中抽出指定数目的待测试图片，将待测试图片进行预处理，缩放成指定大小，将预处理之后的图片送入残差网络resnet50，提取到初步特征，经过平均池化操作得到全局特征，将全局特征经过全连接层，映射到跟训练类别数相等维度的特征进行身份损失的计算得到了与类别数相等的概率集合，其中概率最大的标号所对应的类便是该图片所对应的类别。2.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。4.一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。

技术总结
本发明涉及一种基于中心点预测损失函数的目标重识别方法，属于行人重识别技术领域。将待测试图片进行预处理，缩放成指定大小，将预处理之后的图片送入残差网络ResNet50，提取到初步特征，经过平均池化操作得到全局特征，将全局特征经过全连接层，映射到跟训练类别数相等维度的特征进行身份损失的计算得到了与类别数相等的概率集合，其中概率最大的标号所对应的类便是该图片所对应的类别。在训练残差网络ResNet50使用中心点预测损失函数，并且可以自然的保留不同类样本集之间的区分性，提高了网络模型的目标重识别率。了网络模型的目标重识别率。了网络模型的目标重识别率。


技术研发人员：王鹏 王云龙 杨路
受保护的技术使用者：西北工业大学
技术研发日：2021.10.29
技术公布日：2022/1/14