【技术实现步骤摘要】
识别图像中人的属性的方法、识别模型的训练方法和装置
本专利技术涉及图像处理
，尤其是涉及一种识别图像中人的属性的方法、识别模型的训练方法和装置。
技术介绍
人体属性识别通常是指在监控场景下自动识别出行人的各种属性，该属性可以为性别、年龄段、头发颜色、服饰等。相关技术中，可以通过训练后的深度学习模型识别图像中行人的人体属性。该深度学习模型在训练过程中，将识别每种人体属性作为相对独立的识别任务，计算每种任务属性的识别损失值，然后基于每种任务属性的识别损失值训练深度学习模型，该方式中，深度学习模型在训练过程中所参考的数据有限，限制了模型识别属性的精确度。
技术实现思路
本专利技术的目的在于提供一种识别图像中人的属性的方法、识别模型的训练方法和装置，以提高模型识别人体属性的精确度。第一方面，本专利技术实施例提供一种识别图像中人的属性的方法，该方法包括：获取待识别图像；其中，该待识别图像为包含有人的图像；将所述待识别图像输入识别模型，以识别该待识别图像中人的多种属性；其中，该识别模型为基于样本集中的样本所对应的各个属...
【技术保护点】
1.一种识别图像中人的属性的方法，其特征在于，包括：/n获取待识别图像；其中，所述待识别图像为包含有人的图像；/n将所述待识别图像输入识别模型，以识别所述待识别图像中人的多种属性；其中，所述识别模型为基于样本集中的样本所对应的各个属性标签以及所述各个属性标签之间的关联关系采用机器学习训练得到，所述样本集中的每个样本均包括一个人体图像和多个属性标签，每个属性标签用于表示所述人体图像中人的一种属性。/n
【技术特征摘要】
1.一种识别图像中人的属性的方法，其特征在于，包括：
获取待识别图像；其中，所述待识别图像为包含有人的图像；
将所述待识别图像输入识别模型，以识别所述待识别图像中人的多种属性；其中，所述识别模型为基于样本集中的样本所对应的各个属性标签以及所述各个属性标签之间的关联关系采用机器学习训练得到，所述样本集中的每个样本均包括一个人体图像和多个属性标签，每个属性标签用于表示所述人体图像中人的一种属性。
2.根据权利要求1所述的方法，其特征在于，所述识别模型的权重参数是在机器学习训练过程中根据损失量确定，其中，所述损失量表示样本输入识别模型后得到的识别结果与输入样本的属性标签之间的差异；所述损失量根据所述输入样本所对应的各个属性标签以及所述各个属性标签之间的关联关系确定。
3.根据权利要求2所述的方法，其中，所述损失量根据第一损失值和第二损失值确定；所述第一损失值用于表示各个属性标签在彼此互不影响的条件下，所述识别结果与所述输入样本的属性标签之间的差距；所述第二损失值用于表示各个属性标签之间在具有关联关系的条件下，所述识别结果与所述输入样本的属性标签之间的差距。
4.根据权利要求3所述的方法，其中，所述第一损失值通过下述算式确定：
；
其中，表示所述第一损失值，∑表示求和运算，exp表示以自然常数e为底的指数函数
运算，log用于表示对数运算，K表示所述输入样本包含K种属性，为第j种属性的属性标
签，为识别模型对所述输入样本的第j种属性的识别结果，为第j种属性的权重。
5.根据权利要求3所述的方法，其中，所述第二损失值通过下述算式确定：
；
其中，表示第二损失值，∑表示求和运算，exp表示以自然常数e为底的指数函数运
算，K表示所述输入样本包含K种属性，为第j种属性的属性标签，为识别模型对所述输
入样本的第j种属性的识别结果，为常数。
6.一种识别模型的训练方法，其特征在于，包括：
获取样本集；其中，所述样本集中的每个样本均包括一个人体图像和多个属性标签，每个所述属性标签用于表示所述人体图像中人的一种属性；
基于所述样本集中的样本所对应的各个属性标签以及所述各个属性标签之间的关联关系对初始模型进行机器学习训练，得到所述识别模型。
7.根据权利要求6所述的方法，其特征在于，所述基于所述样本集对初始模型进行机器学习训练，得到所述识别模型，包括：
基于所述样本集确定训练样本；所述训练样本为所述样本集中的一个样本；
将所述训练...
【专利技术属性】
技术研发人员：苏驰，李凯，刘弘也，袁宝煜，邓梦玲，
申请(专利权)人：北京金山云网络技术有限公司，
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。