本申請公開一種行人重識別網絡搜索方法及行人重識別方法。所述行人重識別網絡搜索方法包括：采用下采樣單元和普通單元形成級聯結構；兩個所述下采樣單元之間設有所述普通單元；所述級聯結構的前面設有卷積層，所述級聯結構的后面依次設有全局平均池化層和全連接層，從而形成網絡搜索結構；使用所述網絡搜索結構搜索行人重識別網絡。所述行人重識別方法包括：使用前半部分網絡和后半部分網絡；所述前半部分網絡是根據所述行人重識別網絡搜索方法得到的行人重識別網絡；所述前半部分網絡用于對行人圖片進行處理，得到特征圖并將所述特征圖輸入至所述后半部分網絡。本申請可提高行人重識別任務中的識別準確率并可降低模型計算復雜度。

技術領域

本申請涉及行人重識別技術領域，特別涉及一種行人重識別網絡搜索方法及行人重識別方法。

背景技術

行人重識別是利用計算機視覺技術判斷圖像或者視頻序列中是否存在特定行人的技術，是一個圖像檢索的子問題。行人重識別可以理解為跨境追蹤，比如攝像頭捕獲了一個犯罪分子在A地區的圖像，這個人跑到B地區后，我們可以檢索跨設備下的該行人圖像。常見的行人重識別采用人工設計的分類網絡實現。

目前可以自動提取圖像特征的神經網絡大多依賴于人工設計，性能取決于設計的結夠構且依賴經驗，例如殘差網絡和密集卷積神經網絡等。

當前的很多行人重識別技術把專家設計的分類網絡作為骨干網絡，整體結構的前半部分是預訓練好的深度為50層的殘差網絡，后半部分再對殘差網絡輸出的特征進行后處理，來提高檢索的精度。但是，手工設計網絡一個耗費時間和精力的過程，而且嚴重依賴經驗。

以上背景技術內容的公開僅用于輔助理解本申請的發明構思及技術方案，其并不必然屬于本申請的現有技術，在沒有明確的證據表明上述內容在本申請的申請日已經公開的情況下，上述背景技術不應當用于評價本申請的新穎性和創造性。

發明內容

本申請提出一種行人重識別網絡搜索方法及行人重識別方法，可提高行人重識別任務中的識別準確率并可降低模型計算復雜度，是一種可減少顯存占用的模型優化方法，可實現行人重識別模型設計的自動化。

在第一方面，本申請提供一種行人重識別網絡搜索方法，包括：

采用下采樣單元和普通單元形成級聯結構；兩個所述下采樣單元之間設有所述普通單元；

所述級聯結構的前面設有卷積層，所述級聯結構的后面依次設有全局平均池化層和全連接層，從而形成網絡搜索結構；

使用所述網絡搜索結構搜索行人重識別網絡。

在一些優選的實施方式中，所述下采樣單元的數量為四個。

在一些優選的實施方式中，通過跳遠連接將前兩個單元輸出的特征圖作為下一個單元的輸入。

在一些優選的實施方式中，評估階段的剪枝保留權重最大的前兩個支路。

在一些優選的實施方式中，特征圖通過卷積網絡計算得到權重向量；根據所述權重向量中元素的排序抽取特征圖進行處理，并將得到的結果和剩下的特征圖拼接在一起，作為當前單元的輸出。

在第二方面，本申請提供一種行人重識別方法，包括：

使用兩部分網絡，分別為前半部分網絡和后半部分網絡；所述前半部分網絡是根據前述方法得到的行人重識別網絡；

所述前半部分網絡用于對行人圖片進行處理，得到特征圖并將所述特征圖輸入至所述后半部分網絡；

所述后半部分網絡為多分支網絡，包括全局分支、第一局部分支和第二局部分支；所述全局分支用于提取全局特征；所述第一局部分支用于提取中粒度的特征；所述第二局部分支用于提取細粒度的特征。

在一些優選的實施方式中，所述全局特征由三個約束條件來約束。