一种多属性识别方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种多属性识别方法、装置、存储介质及电子设备，该方法包括：根据如多属性识别模型构建方法构建得到的多属性识别模型对获取的待识别图像进行预处理；根据预处理结果确定多属性对应的概率值矩阵；根据概率矩阵对待处理图像的多个属性进行识别。该方法利用训练得到的多属性识别模型对图像进行处理并完成识别，实现了单个模型对不同属性进行推断与识别，大幅度减少了计算量和计算时长，提高了多属性识别效率。高了多属性识别效率。高了多属性识别效率。

【技术实现步骤摘要】
一种多属性识别方法、装置、存储介质及电子设备


[0001]本专利技术涉及及图像处理、深度学习
，具体涉及一种多属性识别方法、装置、存储介质及电子设备。

技术介绍

[0002]随着互联网技术的发展，人体表情与动作识别技术应用到了越来越多的领域，比如监控视频的事件检测、体育视频的内容分析、体感设备的人机交互等。目前目标物多属性识别方法主要包括：采用单属性多模型的形式，一个模型针对性地识别一个属性，最后将多个模型的输出结果整合在一起完成多属性的识别。该方法中单个模型无法对不同属性进行推断，多属性的识别效率不高且模型管理与部署也极不方便且识别过程计算量大且计算耗时长。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了涉及一种多属性识别方法、装置、存储介质及电子设备，以解决现有技术中多属性的识别效率不高且模型管理与部署也极不方便且识别过程计算量大且计算耗时长的技术问题。
[0004]本专利技术提出的技术方案如下：
[0005]本专利技术实施例第一方面提供一种多属性识别模型构建方法，该多属性识别模型构建方法包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多属性识别模型构建方法，其特征在于，包括如下步骤：获取待训练的图像样本集；对所述图像样本集中的图像按照目标属性进行分类并将分类后带标签的图像样本集输入至预设的神经网络中训练直至得到满足条件的多属性识别模型。2.根据权利要求1所述的方法，其特征在于，对所述图像样本集中的图像的多属性进行分类并将分类后带标签的图像样本集输入至预设的神经网络中训练直至得到满足条件的多属性识别模型，包括：对所述图像样本集中的图像的多属性进行分类和标签二值化处理确定对应的一维向量；将带标签的图像样本集输入至预设的神经网络中生成一维标签概率向量；根据所述一维向量与所述一维标签概率向量计算标签损失值并根据所述损失值对所述神经网络进行更新直至满足预设条件时得到满足条件的多属性识别模型。3.一种多属性识别方法，其特征在于，包括如下步骤：根据如权利要求1或2中所述的多属性识别模型构建方法构建得到的多属性识别模型对获取的待识别图像进行预处理；根据预处理结果确定多属性对应的概率值矩阵；根据所述概率矩阵对所述待处理图像的多个属性进行识别。4.根据权利要求3所述的方法，其特征在于，根据如权利要求1或2中所述的多属性识别模型构建方法构建得到的多属性识别模型对获取的待识别图像进行预处理，包括：计算所述待识别图像分类后的任一属性对应的多个子属性的概率值；根据所述概率值对所述待识别图像分类后的任一属性对应的多个子属性进行识别。5.一种多属性识别模型构建装置，其特征在于，包括：获取模块，用于获取待训练的图像样本集；训练模块，用于对所述图像样本集中的图像按照目标属性进行分类并将分类后带标签的图像样本集输入至预设的神经网络中训练直至得到满足...

【专利技术属性】
技术研发人员：张天麒，李彩凤，史晓蒙，张星，吕晓鹏，韩晴，
申请(专利权)人：北京易华录信息技术股份有限公司，
类型：发明
国别省市：