买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于两阶段的噪声鲁棒行人重识别方法_湖南大学_202111304590.3 

申请/专利权人:湖南大学

申请日:2021-11-05

公开(公告)日:2023-01-24

公开(公告)号:CN114022904B

主分类号:G06V40/10

分类号:G06V40/10;G06V10/30;G06V10/774;G06V10/764

优先权:

专利状态码:有效-授权

法律状态:2023.01.24#授权;2022.02.25#实质审查的生效;2022.02.08#公开

摘要:本发明公开一种基于两阶段的噪声鲁棒行人重识别方法,包括步骤:输入带标签噪声的训练集;第一阶段:根据训练集的给定标签计算网络模型的交叉熵损失函数;根据预测标签计算标签调整正则化损失函数;计算纯样本损失函数;整合三项损失函数,得到自调整策略损失函数并分别训练两个不同的网络模型;第二阶段:更新可靠的预测标签集得到修正的交叉熵损失函数;计算对称的相对熵损失函数;寻找可靠三元组,计算噪声鲁棒的三元组损失函数;联合三项损失函数,得到网络模型的第二阶段总损失函数,并协同监督两个网络模型的学习,通过联合所有损失函数对两个网络模型进行迭代更新;测试性能,在含有噪声标签的设定下达到鲁棒性极好的行人重识别目的。

主权项:1.一种基于两阶段的噪声鲁棒行人重识别方法,其特征在于,包括步骤:S1:输入带给定标签的训练集;第一阶段,S2:根据训练集的给定标签计算网络模型的交叉熵损失函数,得到训练样本的预测概率;S3:提取训练样本的最大预测概率的索引值作为预测标签,根据预测标签,基于softmax交叉熵损失函数计算标签调整正则化损失函数;S4:挖掘给定标签与预测标签的一致性,计算纯样本损失函数;S5:联合交叉熵损失函数、标签调整正则化损失函数和纯样本损失函数,得到自调整策略损失函数,根据自调整策略损失函数分别训练两个不同的网络模型;第二阶段,将第一阶段输出的两个自调整网络分别作为第二阶段的初始化网络;S6:通过更新可靠的预测标签集,计算修正的交叉熵损失函数,挖掘纯样本甚至校正噪声标记的样本;得到所述修正的交叉熵损失函数的具体步骤为:将网络模型Θ1的预测标签作为网络模型Θ1的监控信号,得到可靠的预测标签集,通过更新可靠的预测标签集,得到网络Θ1的修正的交叉熵损失函数,记为: 其中,表示网络模型Θ1中样本xi的修正交叉熵损失函数,表示网络模型Θ1的预测标签,表示网络模型Θ1更新后的可靠的预测标签集,α为常数,N表示图片的数量;通过上述步骤同理计算出网络模型Θ2的修正的交叉熵损失函数,记为:网络模型Θ2的预测标签,记为则第二阶段总的修正的交叉熵损失函数为: S7:引入相对熵损失函数,即KL散度,通过相对熵损失函数使得两个网络交叉更新训练,同时由JS散度修改相对熵损失函数得到对称的KL散度,即对称的相对熵损失函数;S8:寻找可靠三元组,得到噪声鲁棒的三元组损失函数;基于三元组损失函数在两个网络模型上进行修改,首先寻找可靠三元组,所述三元组损失函数中三元组的三项用{a,p,n}描述,a代表锚点,p代表与锚点相同类别的正样本,n代表与锚点不同类别的负样本;对于网络模型Θ1:通过第一个判断条件判断锚点是否为具有真实标签的纯样本,所述第一个判断条件记为: 其中,表示网络模型Θ1中的锚点的预测标签,ya表示网络模型Θ1中的锚点的给定标签,fa表示提取的锚点的判别特征,表示锚点的预测标签类别所有样本的平均特征,表示锚点的给定标签类别所有样本的平均特征;当满足第一个判断条件时,该锚点为噪声锚点,否则为纯锚点,继续寻找对应的正样本和负样本;通过第二个判断条件在特征空间中挖掘正确标记的难正样本,所述第二个判断条件记为: 其中,下标mp表示难正样本,当满足第二个判断条件时,难正样本是噪声样本,继续寻找对应的次难正样本,否则该难正样本是纯样本;通过第三个判断条件在特征空间中挖掘正确标记的难负样本,所述第三个判断条件记为: 其中,下标mn表示难负样本,当满足第三个判断条件时,难负样本是噪声样本,继续寻找对应的次难负样本,否则该难负样本为纯样本;S9:根据修正的交叉熵损失函数、对称的相对熵损失函数和噪声鲁棒的三元组损失函数,得到网络模型的第二阶段总损失函数,根据第二阶段总损失函数联合监督网络模型的学习。

全文数据:

权利要求:

百度查询: 湖南大学 一种基于两阶段的噪声鲁棒行人重识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。