【技术实现步骤摘要】
行人属性识别模型实现方法及相关装置
本申请涉及图像处理
，具体涉及一种行人属性识别模型实现方法及相关装置。
技术介绍
行人属性识别模型实现在安防领域已经成为一个重要的研究课题，例如，行人的性别，年龄，衣服款式等等属性在犯罪抓捕以及丢失人员寻找中起到了重要的作用。但是，实际应用中，由于属性类别较多，行人属性识别模型无法精准识别每一属性类别，因此，导致行人属性识别模型识别精度较低。
技术实现思路
本申请实施例提供了一种行人属性识别模型实现方法及相关装置，可以提升行人属性识别模型的识别精度。第一方面，本申请实施例提供一种行人属性识别模型实现方法，应用于电子设备，所述电子设备预先配置预设多层共享神经网络，所述方法包括：获取针对行人属性的目标训练集，并将所述目标训练集分成四类，分别为：第一训练集、第二训练集、第三训练集和第四训练集，其中，第一训练集对应第一关联系数，第二训练集对应第二关联系数，第三训练集对应第三关联系数，第四训练集对应第四关联系数，第一关联系数>第二关联系数>第三关...
【技术保护点】
1.一种行人属性识别模型实现方法，其特征在于，应用于电子设备，所述电子设备预先配置预设多层共享神经网络，所述方法包括：/n获取针对行人属性的目标训练集，并将所述目标训练集分成四类，分别为：第一训练集、第二训练集、第三训练集和第四训练集，其中，第一训练集对应第一关联系数，第二训练集对应第二关联系数，第三训练集对应第三关联系数，第四训练集对应第四关联系数，第一关联系数>第二关联系数>第三关联系数>第四关联系数；/n依据所述第一训练集训练所述预设多层共享神经网络，得到第一多层共享神经网络；/n依据所述第二训练集训练所述第一多层共享神经网络，得到第二多层共享神经网...
【技术特征摘要】
1.一种行人属性识别模型实现方法，其特征在于，应用于电子设备，所述电子设备预先配置预设多层共享神经网络，所述方法包括：
获取针对行人属性的目标训练集，并将所述目标训练集分成四类，分别为：第一训练集、第二训练集、第三训练集和第四训练集，其中，第一训练集对应第一关联系数，第二训练集对应第二关联系数，第三训练集对应第三关联系数，第四训练集对应第四关联系数，第一关联系数>第二关联系数>第三关联系数>第四关联系数；
依据所述第一训练集训练所述预设多层共享神经网络，得到第一多层共享神经网络；
依据所述第二训练集训练所述第一多层共享神经网络，得到第二多层共享神经网络；
依据所述第三训练集训练所述第二多层共享神经网络，得到第三多层共享神经网络；
依据所述第四训练集训练所述第三多层共享神经网络，得到目标多层共享神经网络，所述目标多层共享神经网络用于实现行人属性识别。
2.根据权利要求1所述的方法，其特征在于，所述将所述目标训练集分成四类，包括：
将所述目标训练集进行聚类，得到M个第一类别，每一类别对应一个目标属性标签，所述M为大于或等于4的整数；
按照预设的属性标签与第二类别之间的映射关系，确定所述M个第一类别中每一类别对应的第二类别，得到所述四类，所述第二类别的数量为4个，且每一第二类别对应一个关联系数。
3.根据权利要求1或2所述的方法，其特征在于，所述第一训练集、第二训练集、第三训练集和第四训练集中任一训练集对应至少一个任务，每一任务对应一个损失函数。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将目标验证集输入到所述目标多层共享神经网络，得到预测结果，所述目标验证集为目标任务对应的验证集，所述目标任务为所述第一训练集、第二训练集、第三训练集和第四训练集中的任一任务；
将所述预测结果输入到预设损失函数，得到运算结果，所述预设损失函数为所述目标任务对应的损失函数；
依据所述运算结果确定目标权重向量，依据目标权重向量优化所述预设损失函数，所述目标权重向量为所述预设损失函数的权重向量；
依据优化后的所述预设损失函数调节所述目标多层共享神经网络的模型参数。
5.根据权利要求4所述的方法，其特征在于，所述依据所述运...
【专利技术属性】
技术研发人员：郭家顺，程小磊，李晓凯，郭云，
申请(专利权)人：深圳市华尊科技股份有限公司，
类型：发明
国别省市：广东;44
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。