【技术实现步骤摘要】
训练属性识别模型的方法、装置、电子设备及存储介质
本申请实施例涉及计算机视觉
,具体而言,涉及一种训练属性识别模型的方法、装置、电子设备及存储介质。
技术介绍
在图像处理
中,属性识别任务是一种自动识别图片中物体的属性信息的任务。属性识别任务可应用于多种场景,例如针对行人图像的属性识别、针对车辆图像的属性识别等等。通常,在开展针对某一应用场景的属性识别任务之前,需要搜集与该应用场景相关的多张样本图像,并基于多张样本图像对预设模型进行训练更新,得到属性识别模型。然后利用该属性识别模型开展针对该应用场景的属性识别任务。利用相关技术训练预设模型时,首先针对样本图像的每个属性标记属性标签,该属性标签用于表征属性的实际值。然后将携带属性标签的样本图像输入预设模型,得到预设模型针对每个属性的预估结果。再根据各个属性的预估结果和属性标签,确定用于更新预设模型的损失值。最后利用该损失值,对该预设模型的参数进行更新。但是利用上述方式对预设模型进行训练,最终得到的属性识别模型的精度不高,利用其进行属性识别的识别准确性偏低。
技术实现思路
本申请实施例提供一种训练属性识别模型的方法、装置、电子设备及存储介质,旨在获得精度更高的属性识别模型,从而提高属性识别准确性。本申请实施例第一方面提供一种训练属性识别模型的方法,所述方法包括:获得一组样本图像,将该组样本图像输入待训练的预设模型,其中,该组样本图像中的每张样本图像携带多个属性标签;针对每张样本图像,根据该样本图像的属性标签和该组样本图像中其 ...
【技术保护点】
1.一种训练属性识别模型的方法,其特征在于,所述方法包括:/n获得一组样本图像,将该组样本图像输入待训练的预设模型,其中,该组样本图像中的每张样本图像携带多个属性标签;/n针对每张样本图像,根据该样本图像的属性标签和该组样本图像中其余样本图像各自的属性标签,从所述其余样本图像中确定该样本图像的正样本图像和负样本图像;/n针对每张样本图像,基于该样本图像、该样本图像的正样本图像、以及该样本图像的负样本图像,确定该样本图像对应的损失值;/n根据每张样本图像各自对应的损失值,对所述预设模型进行更新;/n将经过多次更新后的预设模型确定为属性识别模型。/n
【技术特征摘要】
1.一种训练属性识别模型的方法,其特征在于,所述方法包括:
获得一组样本图像,将该组样本图像输入待训练的预设模型,其中,该组样本图像中的每张样本图像携带多个属性标签;
针对每张样本图像,根据该样本图像的属性标签和该组样本图像中其余样本图像各自的属性标签,从所述其余样本图像中确定该样本图像的正样本图像和负样本图像;
针对每张样本图像,基于该样本图像、该样本图像的正样本图像、以及该样本图像的负样本图像,确定该样本图像对应的损失值;
根据每张样本图像各自对应的损失值,对所述预设模型进行更新;
将经过多次更新后的预设模型确定为属性识别模型。
2.根据权利要求1所述的方法,其特征在于,所述根据该样本图像的属性标签和该组样本图像中其余样本图像各自的属性标签,从所述其余样本图像中确定该样本图像的正样本图像和负样本图像,包括:
将该样本图像的多个属性标签与所述一组样本图像中的每张其余样本图像的多个属性标签进行一对一地对比,以确定该样本图像与所述一组样本图像中的每张其余样本图像的属性相似度,其中,该样本图像与一张其余样本图像的属性相似度表征:该样本图像与该其余样本图像之间具有的相同属性标签的个数;
根据该样本图像与每张其余样本图像的属性相似度,将最大属性相似度所对应的其余样本图像确定为该样本图像的正样本图像,将最小属性相似度所对应的其余样本图像确定为该样本图像的负样本图像。
3.根据权利要求1所述的方法,其特征在于,所述属性识别模型用于提取图像特征,并基于提取的图像特征,对多个属性进行识别;所述基于该样本图像、该样本图像的正样本图像、以及该样本图像的负样本图像,确定该样本图像对应的损失值,包括:
根据所述属性识别模型针对该样本图像提取的图像特征,和所述属性识别模型针对该正样本图像提取的图像特征,确定该样本图像与该正样本图像之间的第一特征距离;
根据所述属性识别模型针对该样本图像提取的图像特征,和所述属性识别模型针对该负样本图像提取的图像特征,确定该样本图像与该负样本图像之间的第二特征距离;
根据所述第一特征距离和所述第二特征距离之间的差值,确定该样本图像对应的损失值。
4.根据权利要求1所述的方法,其特征在于,所述根据每张样本图像各自对应的损失值,对预设模型进行更新,包括:
根据所述一组样本图像包括的样本图像的数量,以及每张样本图像各自对应的损失值,确定多个损失值的平均值;
根据所述多个损失值的平均值,对所述预设模型进行更新。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
预先对多个属性进行分组,得到多个属性分组,每个属性分组中的各个属性在被识别时,图像上对属性识别结果起决定作用的图像区域的位置相同或相近;
所述根据该样本图像的属性标签和该组样本图像中其余样本图像各自的属性标签,从所述其余样本图像...
【专利技术属性】
技术研发人员:亢君莲,
申请(专利权)人:北京迈格威科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。