属性识别装置、方法和系统及识别对象属性的神经网络制造方法及图纸

本发明专利技术公开了一种属性识别装置、方法和系统及识别对象属性的神经网络。所述属性识别装置利用神经网络识别对象的属性，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络。所述属性识别装置包括：利用提取子网络，从输入图像中提取特征的单元，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；利用确定子网络，基于输入的对象类别从识别子网络中确定至少两个识别分支的单元；以及，至少利用所确定的识别分支，基于所提取的特征从输入图像中识别属于输入的对象类别的对象的属性的单元。根据本发明专利技术，大大地减小了用于识别对象的属性的神经网络的模型大小。

【技术实现步骤摘要】
属性识别装置、方法和系统及识别对象属性的神经网络
本专利技术涉及图像处理，尤其涉及例如属性识别及用于属性识别的神经网络。
技术介绍
在现实生活中摄像头随处可见，此时，通过对摄像头所获取的人物图像进行人物属性识别(尤其是，多任务的人物属性识别)对于查找/搜索目标人物等监控处理具有重要的意义。其中，多任务的人物属性识别表示要同时识别出一个人的多个属性，这些属性例如为人的穿戴物的属性(例如，衣服的类型/款式/颜色、鞋子的类型/款式/颜色、是否戴帽子、帽子的类型/款式/颜色等)和/或人的附属物的属性(例如，是否有附属物、包的款式/颜色、包的携带方式等)的属性。由于这些属性可以反映出一个人的穿戴物及附属物的特征，因此可利用这些属性作为一个人的独特标签。例如，在人物搜索应用中，假设需要搜索的目标人物的属性例如为灰色西装、白色皮鞋及没有附属物，则可利用多任务的人物属性识别来找到目标人物，以便监控人员可以做出后续的处理。因此，在人物搜索等监控处理中，多任务的人物属性识别便成为整个监控处理中的关键环节。针对多任务的人物属性识别，“SwitchingConvolutionalNeuralNetworkforCrowdCounting”(DeepakBabuSam,ShivSurya,R.VenkateshBabu；IEEEComputerSociety,2017:4031-4039)公开了一种示例性的基于神经网络的处理方法。根据该示例性的处理方法可知可通过利用两个互相独立的神经网络来实现多任务的人物属性识别。在这两个互相独立的神经网络中，其中一个神经网络用于确定输入图像中的对象的类别，其中对象的类别例如可以为衣服、裤子、鞋子等。另一个神经网络包括多组识别分支，其中每一组识别分支用于识别一种类别的对象的各个属性，其中每一个识别分支用于识别一个属性并且每一个识别分支均包括用于提取特征的部分和用于分类的部分。例如，对应于识别衣服的属性的一组识别分支，其可包括用于识别颜色的识别分支、用于识别类型的识别分支、用于识别款式的识别分支等；对应于识别裤子的属性的一组识别分支，其也可包括用于识别颜色的识别分支、用于识别类型的识别分支、用于识别款式的识别分支等。具体地，先通过其中一个神经网络从输入图像中确定对象类别，假设所确定的对象类别为衣服；然后，从另一个神经网络中选择对应于识别衣服的属性的那组识别分支进行相应的属性识别操作，例如对于识别衣服的颜色属性，利用用于识别颜色的识别分支从输入图像中提取相应的特征并进行相应的分类操作。如上所述，可知在进行多任务的人物属性识别的过程中，上述的示例性处理方法所使用到的神经网络中的每一个识别分支均需要具有用于提取特征的部分。由于每一个用于提取特征的部分通常均由一定层数的卷积网络构成，因此其具有一定的参数量，从而使得识别分支需要占用一定的神经网络的模型大小。因此，需要识别的人的属性的数量越多，神经网络的模型大小将越大。然而，在实际的多任务的人物属性识别的应用中，需要识别的人的属性的数量通常很大。例如在人物搜索应用中，大量的属性(例如，衣服的类型/款式/颜色、裤子的类型/款式/颜色、鞋子的类型/款式/颜色等)需要被识别。从而，若使用上述的示例性处理方法所涉及的神经网络来实现多任务的人物属性识别，将导致神经网络的模型大小变得很大。
技术实现思路
鉴于上面的
技术介绍
中的记载，本公开旨在解决上述问题中的至少一点。根据本公开的一个方面，提供一种属性识别装置，所述属性识别装置利用神经网络识别对象的属性，其特征在于，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；其中，所述属性识别装置包括：提取单元，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；确定单元，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及，识别单元，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。其中，所确定的识别分支中的至少一个分支能够用于识别属于至少两种类别的对象的共同属性。其中，所述对象例如包括人的穿戴物和/或附属物。根据本公开的另一个方面，提供一种属性识别方法，所述属性识别方法利用神经网络识别对象的属性，其特征在于，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；其中，所述属性识别方法包括：提取步骤，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；确定步骤，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及，识别步骤，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。其中，所确定的识别分支中的至少一个分支能够用于识别属于至少两种类别的对象的共同属性。其中，所述对象例如包括人的穿戴物和/或附属物。根据本公开的再一方面，提供一种识别对象属性的神经网络，其特征在于，所述神经网络包括：提取子网络，用于从输入图像中提取特征，其中所提取的特征能够被识别子网络中的所有识别分支用于识别对象的属性；识别子网络，用于识别输入图像中对象的属性，其中所述识别子网络包括至少两个识别分支；以及，确定子网络，用于基于输入的对象类别从所述识别子网络中确定至少两个识别分支，其中所确定的识别分支用于从所述输入图像中识别属于所述输入的对象类别的对象的属性。其中，所述识别分支中包括至少一个分支能够用于识别属于至少两种类别的对象的共同属性。其中，所述对象例如包括人的穿戴物和/或附属物。根据本公开的又一方面，提供一种属性识别系统，其特征在于，所述属性识别系统包括：存储器，用于存储数据、指令和用于识别对象的属性的神经网络，其中，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；以及，与存储器相连接的处理器，用于执行所述指令，所述指令包括：提取步骤，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；确定步骤，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及，识别步骤，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。其中，所确定的识别分支中的至少一个分支能够用于识别属于至少两种类别的对象的共同属性。其中，所述对象例如包括人的穿戴物和/或附属物。其中，所述人的穿戴物例如为衣服、裤子、裙子、鞋子、帽子等，所述人的附属物例如为伞、包、行李箱等。其中，所述至少两种类别的对象的共同属性例如为衣服、裤子、鞋子、帽子等的颜色属性，衣服、裤子、裙子等的长度属性，包、行李箱等的颜色属性等。如上所述可知，本公开所使用的神经网络是一种具有共享结构的神经网络。一方面，本公开通过构建共享的用于提取特征的部分(也即，提取子网络)来提取能够被识别子网络中的所有识别分支用于识别本文档来自技高网...

【技术保护点】
1.一种属性识别装置，所述属性识别装置利用神经网络识别对象的属性，其特征在于，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；其中，所述属性识别装置包括：/n提取单元，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；/n确定单元，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及/n识别单元，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。/n

【技术特征摘要】
1.一种属性识别装置，所述属性识别装置利用神经网络识别对象的属性，其特征在于，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；其中，所述属性识别装置包括：
提取单元，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；
确定单元，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及
识别单元，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。


2.根据权利要求1所述的属性识别装置，其中，所确定的识别分支中的至少一个分支能够用于识别属于至少两种类别的对象的共同属性。


3.根据权利要求2所述的属性识别装置，其中，所述识别单元进一步利用所述识别子网络中未被所述确定单元确定的识别分支，基于所提取的特征从所述输入图像中识别属于其它对象类别的对象的属性。


4.根据权利要求1所述的属性识别装置，其中，所述对象包括人的穿戴物和/或附属物。


5.一种属性识别方法，所述属性识别方法利用神经网络识别对象的属性，其特征在于，所述神经网络包括提取子网络、确定子网络及由至少两个识别分支构成的识别子网络；其中，所述属性识别方法包括：
提取步骤，利用所述提取子网络，从输入图像中提取特征，其中所提取的特征能够被所述识别子网络中的所有识别分支用于识别对象的属性；
确定步骤，利用所述确定子网络，基于输入的对象类别从所述识别子网络中确定至少两个识别分支；以及
识别步骤，至少利用所确定的识别分支，基于所提取的特征从所述输入图像中识别属于所述输入的对象类别的对象的属性。


6.根据权利要求5所述的属性识别方法，其中，所确定的识别分支中的至少一个分支能够用于识别属于至少两种类别的对象的共同属性。


7.根据权利要求5所述的属性识别方法，其中，所述对象包括人的穿戴物和/或附属物。


8.一种识别对象属性的神经网络，其特...

【专利技术属性】
技术研发人员：黄耀海，张志远，邓远达，那森，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：日本;JP