属性识别方法、装置、电子设备及可读存储介质制造方法及图纸

本申请实施例提供一种属性识别方法、装置、电子设备及可读存储介质，旨在提高属性识别准确性。其中，所述属性识别方法包括：获得待识别图像的图像特征；将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别；其中，每个属性识别分支对应一组属性，每组属性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。

Property identification method, device, electronic equipment and readable storage medium

【技术实现步骤摘要】
属性识别方法、装置、电子设备及可读存储介质
本申请实施例涉及图像处理
，具体而言，涉及一种属性识别方法、装置、电子设备及可读存储介质。
技术介绍
在图像处理
中，属性识别任务是根据图片的图像特征自动识别图片中物体的属性信息。通常，属性识别任务中的待识别图像的属性包括多种，以对行人图像的属性识别为例，行人图像的属性可以包括：性别、年龄、头发长短、头发颜色、是否带帽子、是否戴眼镜、是否背包、是否穿着短袖、上半身衣服颜色、是否骑车等等。以对车辆图像的属性识别为例，车辆图像的属性可以包括：车型、车身颜色、车辆品牌、车辆朝向、是否有车顶架、副驾是否有乘客、驾驶位是否系安全带、遮阳板是否放下等等。相关技术中，为了尽可能地提高属性识别效率，缩短获得属性信息的时间，通常会一次性地从待识别图像中获得各个属性类别的属性信息。例如在获得一张待识别的行人图像后，会一次性地识别出该行人的性别、年龄、头发长短、头发颜色、是否带帽子、是否戴眼镜、是否背包、是否穿着短袖、上半身衣服颜色、是否骑车等等。然而此种属性识别方式的识别准确性不高，容易导致部分属性识别错误。
技术实现思路
本申请实施例提供一种属性识别方法、装置、电子设备及可读存储介质，旨在提高属性识别准确性。本申请实施例第一方面提供一种属性识别方法，所述方法包括：获得待识别图像的图像特征；将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别；其中，每个属性识别分支对应一组属性，每组属性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。本申请实施例第二方面提供一种属性识别装置，所述装置包括：图像特征获得模块，用于获得待识别图像的图像特征；属性识别模块，用于将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别；其中，每个属性识别分支对应一组属性，每组属性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。本申请实施例第三方面提供一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如本申请第一方面所述的方法中的步骤。本申请实施例第四方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现本申请第一方面所述的方法的步骤。采用本申请提供的属性识别方法，首先获得待识别图像的图像特征，然后将该图像特征输入多个属性识别分支，以通过不同的属性识别分支对该待识别图像的不同组属性分别进行识别。其中，由于每个属性识别分支对应一组属性，且同一组属性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。因此被同一个属性识别分支所识别的各个属性之间具有相互促进的效果，从而利于提高属性识别结果的准确性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请一实施例提出的属性识别方法的流程图；图2是本申请另一实施例提出的属性识别方法的流程图；图3是本申请一实施例提出的属性识别示意图；图4是本申请另一实施例提出的属性识别示意图；图5是本申请一实施例提出的模型训练流程图；图6是本申请一实施例提出的多个类激活图的示意图；图7是本申请一实施例提出的预设模型训练示意图；图8是本申请一实施例提出的属性识别装置的示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在图像处理
中，属性识别任务是根据图片的图像特征自动识别图片中物体的属性信息。通常，属性识别任务中的待识别图像的属性包括多种，以对行人图像的属性识别为例，行人图像的属性可以包括：性别、年龄、头发长短、头发颜色、是否带帽子、是否戴眼镜、是否背包、是否穿着短袖、上半身衣服颜色、是否骑车等等。以对车辆图像的属性识别为例，车辆图像的属性可以包括：车型、车身颜色、车辆品牌、车辆朝向、是否有车顶架、副驾是否有乘客、驾驶位是否系安全带、遮阳板是否放下等等。相关技术中，为了尽可能地提高属性识别效率，缩短获得属性信息的时间，通常会一次性地从待识别图像中获得各个属性类别的属性信息。然而此种属性识别方式的识别准确性不高，容易导致部分属性识别错误。本申请的申请人在经过分析后，确定此种属性识别方式的识别准确性不高的原因之一在于：部分属性在被识别时，图像上对属性识别结果起决定作用的图像区域相同或相近；部分属性在被识别时，图像上对属性识别结果起决定作用的图像区域互有差异，当起决定作用的图像区域互有差异的两个属性(后文统称为互斥属性)在同时识别期间，其相互产生负面影响，导致属性识别的准确性降低。以对行人图像的属性识别为例，行人图像的属性可以包括：性别、年龄、头发长短、头发颜色、是否带帽子、是否戴眼镜、是否背包、是否穿着短袖、上半身衣服颜色、是否骑车等等。本申请的申请人通过训练属性识别模型，然后以一张行人图像为例，利用训练完毕的属性识别模型，针对该行人图像的每种属性生成该属性对应的激活图，从而根据激活图确定每种属性在被识别期间，属性识别模型具体关注该行人图像的哪一区域。换言之，根据激活图确定每种属性在被识别期间，对该属性的识别结果起决定作用的图像区域的位置。其中，一种属性对应的激活图用于表征：在识别该属性时，行人图像的各个区域对属性识别结果所起的决定作用的权重。或者说，一种属性对应的激活图反应的是：训练完毕的属性识别模型中参与识别该属性的各个模型参数。下文将具体介绍生成激活图的方式，此处暂不赘述。申请人通过观察行人图像的多个属性各自对应的激活图，发现各个属性在被识别时，对属性识别结果起决定作用图像区域互有差异。例如性别、头发长短、以及是否带帽子等属性各自的激活图中，高亮区域均集中在行人的脖子和肩膀附近，换言之，在识别性别、头发长短、以及是否带帽子等属性时，对属性识别结果起决定作用的图像区域是行人图像中行人的脖子和肩膀区域。例如是否背包、是否穿着短袖等属性各自的激活图中，高亮区域均集中在行人的胳膊和上半身附近，换言之，在识别是否背包、是否穿着短袖等属性时，对属性识别结果起决定作用的图像区域是行人图像中行人的胳膊和上半身区域。其中，由于性别属性和是否背包属性在识别期间，行人图像上对属性识别结果起决定作用的图像区域互有差异，其相互产生负面影响，导致属性识别的准确性降低。有鉴于此，为了提高属性本文档来自技高网...

【技术保护点】
1.一种属性识别方法，其特征在于，所述方法包括：/n获得待识别图像的图像特征；/n将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别；/n其中，每个属性识别分支对应一组属性，每组属性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。/n

【技术特征摘要】
1.一种属性识别方法，其特征在于，所述方法包括：
获得待识别图像的图像特征；
将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别；
其中，每个属性识别分支对应一组属性，每组属性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。


2.根据权利要求1所述的方法，其特征在于，所述获得待识别图像的图像特征，包括：
获得所述待识别图像的浅层图像特征；
所述将所述图像特征输入多个属性识别分支，以通过不同的属性识别分支对所述待识别图像的不同组属性分别进行识别，包括：
将所述浅层图像特征输入多个属性识别分支；
针对每个属性识别分支，通过该属性识别分支基于所述浅层图像特征，获得该属性识别分支对应的深层图像特征，并通过该属性识别分支基于其对应的深层图像特征，针对其对应的一组属性进行识别。


3.根据权利要求2所述的方法，其特征在于，所述通过该属性识别分支基于其对应的深层图像特征，针对其对应的一组属性进行识别，包括：
在该属性识别分支对应的一组属性中包括交叉属性的情况下，获得与该交叉属性具有关联关系的其他组属性所对应的深层图像特征；
根据该属性识别分支对应的深层图像特征、和所述其他组属性对应的深层图像特征，对该交叉属性进行识别。


4.根据权利要求2所述的方法，其特征在于，所述通过该属性识别分支基于其对应的深层图像特征，针对其对应的一组属性进行识别，包括：
通过该属性识别分支针对其对应的深层图像特征进行池化处理，得到池化后的图像特征；
将池化后的图像特征输入该属性识别分支的多个属性识别单元，以通过不同的属性识别单元对该属性识别分支所对应的一组属性中的不同属性，分别进行识别。


5.根据权利要求1至4任一项所述的方法，其特征在于，在获得待识别图像的图像特征之前，所述方法还包括：
搭建预设模型，所述预设模型包括特征提取模块和多个属性识别分支，每个属性识别分支均与所述特征提取模块连接；
获得多个样本图像，每个样本图像携带多个属性标签；
基于所述多个样本图像，对所述预设模型进行训练，包括：将每个样本图像输入所述预设模型，以通过所述特征提取模块对样本图像进行特征提取，获得该样本图像的图像特征，并通过不同的属性识别分支基于该图像特征对不同组属性分别进行识别，获得各个属性的识别结果；
针对每个属性，根据该属性的识别结果和该属性对应的属性标签，对该属性所对应的属性识...

【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