一种图像多属性识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种图像多属性识别方法、装置、设备及存储介质，方法包括：获取目标图像；基于第一属性识别模型预测目标图像的多属性类别；第一属性识别模型采用多个图像样本和对应的样本标签训练得到；多个图像样本包括第一种样本和/或第二种样本以及第三种样本，第一种样本对应的样本标签包括对应样本在多属性维度下的预测属性类别，第二种样本对应的样本标签包括对应样本在多属性维度中一部分维度下的真实属性类别和另一部分维度下的预测属性类别，第三种样本对应的样本标签包括对应样本在多属性维度下的真实属性类别，预测属性类别基于采用第三种样本和对应的样本标签训练得到的第二属性识别模型预测。本发明专利技术提供的方法具有较好的识别效果。法具有较好的识别效果。法具有较好的识别效果。

【技术实现步骤摘要】
一种图像多属性识别方法、装置、设备及存储介质


[0001]本专利技术涉及图像属性识别
，尤其涉及一种图像多属性识别方法、装置、设备及存储介质。

技术介绍

[0002]图像多属性识别指的是，识别图像在多个属性维度下的属性类别，比如，对于行人图像，多个属性维度可以包括行人上衣类型、行人发型，其中，行人上衣类型这一属性维度下的属性类别可以包括长袖和短袖，发型这一属性维度下的属性类别可以包括秃头、长发和短发，识别行人图像在上衣类型、发型这两个属性维度下的属性类别，即识别行人图像在行人上衣类型这一属性维度下的属性类别为长袖还是短袖，在行人发型这一属性维度下的属性类别为秃头、长发还是短发。
[0003]目前，实现图像多属性识别的思路为，采用标注有多属性类别的图像样本训练得到多属性识别模型，再使用训练得到的多属性识别模型对待识别图像进行多属性识别。可以理解的是，若要获得较好的多属性识别效果，则需要训练得到性能较好的多属性识别模型，若要训练得到性能较好的多属性识别模型，则需要大量的高质量标注数据。然而，由于人工对图像进行多属性类别标注成本较高且效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像多属性识别方法，其特征在于，包括：获取目标图像；基于预先训练得到的第一属性识别模型，预测所述目标图像在多个属性维度下的属性类别；其中：所述第一属性识别模型采用多个图像样本和所述多个图像样本分别对应的样本标签训练得到；所述多个图像样本包括第一种图像样本和/或第二种图像样本，以及第三种图像样本，所述第一种图像样本对应的样本标签包括对应图像样本在多个属性维度下的预测属性类别，所述第二种图像样本对应的样本标签包括对应图像样本在所述多个属性维度中一部分属性维度下的真实属性类别和另一部分属性维度下的预测属性类别，所述第三种图像样本对应的样本标签包括对应图像样本在所述多个属性维度下的真实属性类别；所述真实属性类别为标注的属性类别，所述预测属性类别为基于第二属性识别模型预测的属性类别，所述第二属性识别模型采用所述第三种图像样本和所述第三种图像样本对应的样本标签训练得到。2.根据权利要求1所述的图像多属性识别方法，其特征在于，所述基于预先训练得到的第一属性识别模型，预测所述目标图像在多个属性维度下的属性类别，包括：对所述目标图像进行增强处理，得到所述目标图像对应的增强后图像；基于所述第一属性识别模型，分别对所述目标图像和所述目标图像对应的增强后图像提取特征向量；将对所述目标图像提取的特征向量与对所述增强后图像提取的特征向量融合，融合后特征向量作为所述目标图像对应的目标特征向量；以所述目标图像对应的目标特征向量为依据，基于所述第一属性识别模型，预测所述目标图像在多个属性维度下的属性类别。3.根据权利要求1所述的图像多属性识别方法，其特征在于，所述第二属性识别模型的训练过程包括：从第一图像样本集中获取图像样本，其中，所述第一图像样本集中包括所述第三种图像样本；基于第二属性识别模型对获取的图像样本提取特征向量，得到获取的图像样本对应的特征向量；以使第二属性识别模型根据获取的图像样本对应的特征向量预测的多个属性维度下的属性类别，与获取的图像样本对应的样本标签包含的多个属性维度下的属性类别趋于一致为目标，对第二属性识别模型进行参数更新。4.根据权利要求1所述的图像多属性识别方法，其特征在于，所述第一属性识别模型的训练过程包括：采用第二图像样本集中的图像样本和所述第二图像样本集中的图像样本对应的样本标签，对第一属性识别模型进行第一阶段的训练，其中，所述第二图像样本集包括所述第一种图像样本和/或所述第二种图像样本，以及所述第三种图像样本；采用第一图像样本集中的图像样本和所述第一图像样本集中的图像样本对应的样本标签，对第一阶段训练后的第一属性识别模型进行第二阶段的训练，其中，所述第一图像样
本集中包括所述第三种图像样本。5.根据权利要求4所述的图像多属性识别方法，其特征在于，所述采用第二图像样本集中的图像样本和所述第二图像样本集中的图像样本对应的样本标签，对第一属性识别模型进行第一阶段的训练，包括：从所述第二图像样本集中获取图像样本作为第二图像样本，并对所述第二图像样本进行增强处理，得到所述第二图像样本对应的增强后样本；基于第一属性识别模型，分别对所述第二图像样本和所述第二图像样本对应的增强后样本提取特征向量；将对所述第二图像样本提取的特征向量与对所述第二图像样本对应的增强后样本提取的特征向量融合，融合后特征作为所述第二图像样本对应的目标特征向量；基于更新目标，对第一属性识别模型进行参数更新，其中，所述更新目标包括：使第一属性识别模型根据所述第二图像样本对应的目标特征向量预测的多个属性维度下的属性类别与所述第二图像样本对应的样本标签包含的多个属性维度下的属性类别趋于一致。6.根据权利要求5所述的图像多属性识别方法，其特征在于，所述更新目标还包括：使对所述第二图像样本提取的特征向量与对所述第二图像样本对应的增强后样本提取的特征向量接近。7.根据权利要求6所述的图像多属...

【专利技术属性】
技术研发人员：王光新，谭昶，张友国，贾若然，姜殿洪，冯祥，韩辉，李亚玲，张慧萍，宋薇薇，
申请(专利权)人：讯飞智元信息科技有限公司，
类型：发明
国别省市：