(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210419297.X (22)申请日 2022.04.20 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 王之港　王健　孙昊　 (74)专利代理 机构 北京鸿德 海业知识产权代理 有限公司 1 1412 专利代理师 孟繁琦 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) (54)发明名称 目标再识别模 型的训练与目标再识别方法、 装置 (57)摘要 本公开提供了一种目标再识别模型的训练 与目标再识别方法， 涉及深度学习、 计算机视觉 等人工智能技术领域， 可应用于图像处理、 目标 检测等场景。 目标再识别模型的训练方法包括： 获取多张样 本图像与多张样本图像的样本标签； 根据至少一张样本图像的图像特征与样本标签， 生成对应至少一张样本图像的隐式特征； 基于多 张样本图像与对应至少一张样本图像的隐式特 征训练神经网络模型， 得到目标再识别模型。 目 标再识别方法包括： 获取目标图像与待识别图 像； 分别将目标图像与待识别图像输入目标再识 别模型， 得到目标图像的图像特征与待识别图像 的图像特征； 根据目标图像的图像特征与待识别 图像的图像特征之间的相似度， 确定待识别图像 的再识别结果。 权利要求书3页 说明书11页 附图4页 CN 114882309 A 2022.08.09 CN 114882309 A 1.一种目标 再识别模型的训练方法， 包括： 获取多张样本图像与所述多张样本图像的样本标签； 根据至少一张样本图像的图像特征与样本标签， 生成对应所述至少一张样本图像的隐 式特征； 基于所述多 张样本图像与对应所述至少一张样本图像的隐式特征训练神经网络模型， 得到目标 再识别模型。 2.根据权利要求1所述的方法， 其中， 所述获取 所述多张样本图像的样本标签包括： 确定所述多 张样本图像中的至少一张目标样本图像， 所述至少一张目标样本图像为没 有真实标签的样本图像； 根据所述至少一张目标样本图像的图像特 征， 获取至少一个聚类结果； 针对每个目标样本 图像， 将该目标样本 图像所属聚类结果的索引值， 作为该目标样本 图像的样本标签。 3.根据权利要求1 ‑2中任一项所述的方法， 其中， 所述根据至少一张样本图像的图像特 征与样本标签， 生成对应所述至少一张样本图像的隐式特 征包括： 根据所述至少一张样本图像的图像特征与样本标签， 得到所述至少一张样本图像的第 一特征； 根据所述至少一张样本图像的第一特 征， 确定所述至少一张样本图像的第二特 征； 根据所述至少一张样本 图像的图像特征、 第一特征与第二特征， 生成对应所述至少一 张样本图像的隐式特 征。 4.根据权利要求3所述的方法， 其中， 所述根据所述至少一张样本图像的图像特征与样 本标签， 得到所述至少一张样本图像的第一特 征包括： 根据所述至少一张样本图像的样本标签， 将具有相同样本标签的样本图像划分为一个 图像类； 根据各个图像 类所包含样本图像的图像特 征， 得到各个图像 类的图像 类特征； 将所述至少一张样本图像所属图像类的图像类特征， 作为所述至少一张样本图像的第 一特征。 5.根据权利要求3 ‑4中任一项所述的方法， 其中， 所述根据 所述至少一张样本图像的第 一特征， 确定所述至少一张样本图像的第二特 征包括： 确定对应所述至少一张样本图像的候选图像 类； 根据所述至少一张样本图像的第 一特征与 所述候选图像类的图像类特征， 从所述候选 图像类中确定对应所述至少一张样本图像的目标图像 类； 将所述对应所述至少一张样本图像的目标图像类的图像类特征， 作为所述至少一张样 本图像的第二特 征。 6.根据权利要求3 ‑5中任一项所述的方法， 其中， 所述根据 所述至少一张样本图像的图 像特征、 第一特 征与第二特 征， 生成对应所述至少一张样本图像的隐式特 征包括： 获取生成参数， 所述 生成参数的值随着训练次数的增 加而增长； 根据所述至少一张样本图像的图像特征、 第一特征、 第 二特征以及所述生成参数， 生成 对应所述至少一张样本图像的隐式特 征。 7.根据权利要求1 ‑6中任一项所述的方法， 其中， 所述基于所述多张样本图像与对应所权　利　要　求　书 1/3 页 2 CN 114882309 A 2述至少一张样本图像的隐式特 征训练神经网络模型， 得到目标 再识别模型包括： 根据样本图像与隐式特征， 构建正样本对和/或负样本对， 所述正样本对中的样本图像 与隐式特征属于相同的图像类， 所述负样本对中的样本图像与隐式特征属于不同的图像 类； 使用所述 正样本对和/或负 样本训练神经网络模型， 得到所述目标 再识别模型。 8.一种目标 再识别方法， 包括： 获取目标图像与待识别图像； 分别将所述目标图像与所述待识别图像输入目标再识别模型， 得到所述目标再识别模 型输出的所述目标图像的图像特 征与所述待识别图像的图像特 征； 根据所述目标图像的图像特征与 所述待识别图像的图像特征之间的相似度， 确定所述 待识别图像的再识别结果； 所述目标 再识别模型 是根据权利要求1 ‑7中任一项方法训练得到的。 9.一种目标 再识别模型的训练装置， 包括： 第一获取 单元， 用于获取多张样本图像与所述多张样本图像的样本标签； 生成单元， 用于根据至少一张样本 图像的图像特征与样本标签， 生成对应所述至少一 张样本图像的隐式特 征； 训练单元， 用于基于所述多张样本图像与对应所述至少一张样本图像的隐式特征训练 神经网络模型， 得到目标 再识别模型。 10.根据权利要求9所述的装置， 其中， 所述第一获取单元在获取所述多张样本图像的 样本标签时， 具体执 行： 确定所述多 张样本图像中的至少一张目标样本图像， 所述至少一张目标样本图像为没 有真实标签的样本图像； 根据所述至少一张目标样本图像的图像特 征， 获取至少一个聚类结果； 针对每个目标样本 图像， 将该目标样本 图像所属聚类结果的索引值， 作为该目标样本 图像的样本标签。 11.根据权利要求9 ‑10中任一项所述的装置， 其中， 所述生成单元在根据至少一张样本 图像的图像特 征与样本标签， 生成对应所述至少一张样本图像的隐式特 征时， 具体执 行： 根据所述至少一张样本图像的图像特征与样本标签， 得到所述至少一张样本图像的第 一特征； 根据所述至少一张样本图像的第一特 征， 确定所述至少一张样本图像的第二特 征； 根据所述至少一张样本 图像的图像特征、 第一特征与第二特征， 生成对应所述至少一 张样本图像的隐式特 征。 12.根据权利要求11所述的装置， 其中， 所述生成单元在根据所述至少一张样本图像的 图像特征与样本标签， 得到所述至少一张样本图像的第一特 征时， 具体执 行： 根据所述至少一张样本图像的样本标签， 将具有相同样本标签的样本图像划分为一个 图像类； 根据各个图像 类所包含样本图像的图像特 征， 得到各个图像 类的图像 类特征； 将所述至少一张样本图像所属图像类的图像类特征， 作为所述至少一张样本图像的第 一特征。权　利　要　求　书 2/3 页 3 CN 114882309 A 3