图像处理方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种图像处理方法及装置、电子设备和存储介质。所述方法包括：获取目标图像，所述目标图像包括目标对象；对所述目标图像中的目标对象进行特征提取，得到所述目标对象的特征信息；根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，其中，所述多个人体属性包括年龄属性、性别属性、体态属性、朝向属性、姿态属性以及服装属性中的一种或多种。

【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
本公开涉及计算机视觉领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
技术介绍
随着计算机视觉技术的发展，对人体各种属性的分类已成为计算机视觉领域中一项重要应用。然而人体属性的分类可能包含多种分类任务，比如衣服颜色的分类、姿势的分类或是体态的分类等，如何高效便捷地实现多种属性的分类任务，成为目前一个亟待解决的问题。
技术实现思路
本公开提出了一种图像处理方案。根据本公开的一方面，提供了一种图像处理方法，包括：获取目标图像，所述目标图像包括目标对象；对所述目标图像中的目标对象进行特征提取，得到所述目标对象的特征信息；根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，其中，所述多个人体属性包括年龄属性、性别属性、体态属性、朝向属性、姿态属性以及服装属性中的一种或多种。在一种可能的实现方式中，所述方法通过目标神经网络实现，所述目标神经网络包括两个以上的分类网络；所述根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，包括：将所述特征信息通过两个以上的所述分类网络分别进行分类，分别得到所述目标对象在多个属性下的分类结果，其中，每个所述分类网络用于对所述多个属性中的其中一种属性进行分类。在一种可能的实现方式中，所述目标神经网络还包括变换网络，所述根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，包括：将所述特征信息通过变换网络进行维度变换，得到维度变换后的特征信息；将所述维度变换后的特征信息通过两个以上的分类网络分别进行分类，分别得到所述目标对象在多个人体属性下的分类结果。在一种可能的实现方式中，所述目标图像包括一个或多个样本图像集合，其中，所述样本图像集合中的样本图像具有所述多个人体属性中同一属性下的相同分类标签，所述样本图像集合中的样本图像的分类标签为所述样本图像集合的分类标签。在一种可能的实现方式中，在所述目标图像包括多个样本图像集合的情况下，各所述样本图像集合相互独立，各所述样本图像集合对应的人体属性相同和/或不同，各所述样本图像集合的分类标签相同和/或不同；所述获取目标图像包括：分别获取所述多个样本图像集合。在一种可能的实现方式中，所述方法还包括：根据所述目标对象在多个属性下的分类结果，分别确定各所述分类网络的误差损失；根据各所述分类网络的误差损失，分别对各所述分类网络进行训练。在一种可能的实现方式中，所述根据所述目标对象在多个属性下的分类结果，分别确定各所述分类网络的误差损失，包括：根据所述分类网络对应的预设损失函数，对通过所述分类网络所得到的分类结果进行计算，确定所述分类网络的误差损失；其中，至少两个所述分类网络对应的预设损失函数不同。在一种可能的实现方式中，所述获取目标图像，包括：获取初始图像，所述初始图像包括目标对象；对所述初始图像进行尺寸变换，得到与预设尺寸匹配的目标图像，其中，所述目标图像中目标对象的比例与所述初始图像中目标对象的比例一致。在一种可能的实现方式中，所述对所述初始图像进行尺寸变换，包括：将所述初始图像中具有最大尺寸的边作为目标边，获取所述目标边与预设尺寸之间的尺寸变换比例，根据所述尺寸变换比例，对所述初始图像进行尺寸变换，得到中间图像；通过预设像素，对所述中间图像在所述目标边以外的边进行填充，其中，填充后的图像符合所述预设尺寸。根据本公开的一方面，提供了一种图像处理装置，包括：图像获取模块，用于获取目标图像，所述目标图像包括目标对象；特征提取模块，用于对所述目标图像中的目标对象进行特征提取，得到所述目标对象的特征信息；多属性分类模块，用于根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，其中，所述多个人体属性包括年龄属性、性别属性、体态属性、朝向属性、姿态属性以及服装属性中的一种或多种。在一种可能的实现方式中，所述装置通过目标神经网络实现，所述目标神经网络包括两个以上的分类网络；所述多属性分类模块用于：将所述特征信息通过两个以上的所述分类网络分别进行分类，分别得到所述目标对象在多个属性下的分类结果，其中，每个所述分类网络用于对所述多个属性中的其中一种属性进行分类。在一种可能的实现方式中，所述目标神经网络还包括变换网络，所述多属性分类模块进一步用于：将所述特征信息通过变换网络进行维度变换，得到维度变换后的特征信息；将所述维度变换后的特征信息通过两个以上的分类网络分别进行分类，分别得到所述目标对象在多个人体属性下的分类结果。在一种可能的实现方式中，所述目标图像包括一个或多个样本图像集合，其中，所述样本图像集合中的样本图像具有所述多个人体属性中同一属性下的相同分类标签，所述样本图像集合中的样本图像的分类标签为所述样本图像集合的分类标签。在一种可能的实现方式中，在所述目标图像包括多个样本图像集合的情况下，各所述样本图像集合相互独立，各所述样本图像集合对应的人体属性相同和/或不同，各所述样本图像集合的分类标签相同和/或不同；所述获取目标图像包括：分别获取所述多个样本图像集合。在一种可能的实现方式中，所述装置还包括训练模块，所述训练模块用于：根据所述目标对象在多个属性下的分类结果，分别确定各所述分类网络的误差损失；根据各所述分类网络的误差损失，分别对各所述分类网络进行训练。在一种可能的实现方式中，所述训练模块进一步用于：根据所述分类网络对应的预设损失函数，对通过所述分类网络所得到的分类结果进行计算，确定所述分类网络的误差损失；其中，至少两个所述分类网络对应的预设损失函数不同。在一种可能的实现方式中，所述图像获取模块用于：获取初始图像，所述初始图像包括目标对象；对所述初始图像进行尺寸变换，得到与预设尺寸匹配的目标图像，其中，所述目标图像中目标对象的比例与所述初始图像中目标对象的比例一致。在一种可能的实现方式中，所述图像获取模块进一步用于：将所述初始图像中具有最大尺寸的边作为目标边，获取所述目标边与预设尺寸之间的尺寸变换比例，根据所述尺寸变换比例，对所述初始图像进行尺寸变换，得到中间图像；通过预设像素，对所述中间图像在所述目标边以外的边进行填充，其中，填充后的图像符合所述预设尺寸。根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：执行上述图像处理方法。根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像处理方法。在本公开实施例中，通过获取包括目标对象的目标图像，对目标对象进行特征提取，来得到目标对象的特征信息，并根据特征信息对目标对象分别进行多任务分类，来得到目标对象在年龄、性别、体态、朝向、姿态以及服装等多个人体属性下的分类结果。通过上述过程，可以对目标图像中的目标对象同时进行多任务分类本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取目标图像，所述目标图像包括目标对象；/n对所述目标图像中的目标对象进行特征提取，得到所述目标对象的特征信息；/n根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，其中，所述多个人体属性包括年龄属性、性别属性、体态属性、朝向属性、姿态属性以及服装属性中的一种或多种。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取目标图像，所述目标图像包括目标对象；
对所述目标图像中的目标对象进行特征提取，得到所述目标对象的特征信息；
根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，其中，所述多个人体属性包括年龄属性、性别属性、体态属性、朝向属性、姿态属性以及服装属性中的一种或多种。


2.根据权利要求1所述的方法，其特征在于，所述方法通过目标神经网络实现，所述目标神经网络包括两个以上的分类网络；
所述根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，包括：
将所述特征信息通过两个以上的所述分类网络分别进行分类，分别得到所述目标对象在多个属性下的分类结果，其中，每个所述分类网络用于对所述多个属性中的其中一种属性进行分类。


3.根据权利要求2所述的方法，其特征在于，所述目标神经网络还包括变换网络，所述根据所述特征信息，对所述目标对象分别进行多任务分类，得到所述目标对象在多个人体属性下的分类结果，包括：
将所述特征信息通过变换网络进行维度变换，得到维度变换后的特征信息；
将所述维度变换后的特征信息通过两个以上的分类网络分别进行分类，分别得到所述目标对象在多个人体属性下的分类结果。


4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述目标图像包括一个或多个样本图像集合，其中，所述样本图像集合中的样本图像具有所述多个人体属性中同一属性下的相同分类标签，所述样本图像集合中的样本图像的分类标签为所述样本图像集合的分类标签。


5.根据权利要求4所述的方法，其特征在于，在所述目标图像包括多个样本图像集合的情况下，各所述样本图像集合相互独立，各所述样本图像集合对应的人体属性相同和/或不同，各所述样本图像集合的分类标签相同和/或不同；
所述获取目标图像包括：分别获取所述多个样本图像集合。


6.根据权利要求2至5中任意一项所述的方法，其特征在于，所述方法还包括：
根据所述目标对象在多个属性下的分类结果，分别确定各所...

【专利技术属性】
技术研发人员：张伟亮，李通，刘文韬，钱晨，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京;11