属性识别模型训练方法、系统、介质及装置制造方法及图纸

本申请提供一种属性识别模型训练方法、系统、介质及装置，包括：获取目标清晰图像及目标清晰图像的属性标签；基于目标清晰图像和属性标签训练清晰数据属性识别模型；将不同程度的噪声加入所述目标清晰图像生成融合噪声图像；基于训练好的清晰数据属性识别模型对融合噪声图像进行识别，获取融合噪声图像的有效属性标签；基于融合噪声图像和对应的有效属性标签训练属性识别模型，以基于训练好的属性识别模型进行图像的属性识别。本申请基于扩散模型的训练方法，依据视觉可见信息能够有效地辨识属性标签强化训练中的可辨识部分，有效地提升了属性识别模型精度；同时，增强了识别网络的泛化能力。化能力。化能力。

【技术实现步骤摘要】
属性识别模型训练方法、系统、介质及装置


[0001]本专利技术属于人工智能应用的计算机视觉
，涉及一种训练方法，特别是涉及一种属性识别模型训练方法、系统、介质及装置。

技术介绍

[0002]目标的属性识别，是计算机视觉领域、人工智能应用领域的重要任务之一。该技术已被广泛应用于安防、监控、及人流车流分析等场景中。扩散模型(diffusion model)主要应用于生成模型，如图片生成、文本生成、语音生成和波形信号生成等领域，且取得优异表现。
[0003]属性识别，主要是识别目标的基本属性，比如：行人的性别、年龄、衣着颜色和配饰；汽车的颜色、品牌和系列等等。常见的方法使用深度学习网络识别，在网络学习前，会用图像增强的手段，如左右翻转、画面平移、缩放、随机擦除、剪裁和噪声模糊等方法，对图像进行数量上的扩充。其中加入噪声模糊的方法，会损失图像自身的视觉信息。
[0004]在模型的训练中，对于视觉信息弱化或损失数据采用原数据标签。视觉信息损失后难以直接反映标签的数据，称为模糊数据。从图1中，可以看到当图像降低分辨率和加入噪声后，图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种属性识别模型训练方法，其特征在于，包括以下步骤：获取目标清晰图像及所述目标清晰图像的属性标签；基于所述目标清晰图像和所述属性标签训练清晰数据属性识别模型；将不同程度的噪声加入所述目标清晰图像生成若干融合噪声图像；基于训练好的清晰数据属性识别模型对所述融合噪声图像进行识别，获取所述融合噪声图像的有效属性标签；基于所述融合噪声图像和对应的有效属性标签训练属性识别模型，以基于训练好的属性识别模型进行图像的属性识别。2.根据权利要求1所述的属性识别模型训练方法，其特征在于，基于所述目标清晰图像和所述属性标签训练清晰数据属性识别模型包括以下步骤：将所述目标清晰图像和所述属性标签输入所述清晰数据属性识别模型；调整所述清晰数据属性识别模型的参数，以使所述清晰数据属性识别模型输出所述目标图像的有效属性标签。3.根据权利要求1所述的属性识别模型训练方法，其特征在于，将不同程度的噪声加入所述目标清晰图像生成若干融合噪声图像包括以下步骤：采用高斯随机函数生成不同程度的噪声；按照噪声递增的顺序，将所述噪声依次与所述目标清晰图像进行融合，以获取所述融合噪声图像。4.根据权利要求3所述的属性识别模型训练方法，其特征在于，所述融合噪声图像为：其中，α
t
＝1
‑
β
t
＝1
‑
0.001
×
t；t为不同程度的噪声系数；N(0,β
t
)为噪声；α
t
为扩散系数；为扩散系数的累计乘积；X0为所述目标图像；X
t
为所述融合噪声图像。5.根据权利要求1所述的属性识别模型训练方法，其特征在于，基于训练好的清晰数据属性识别模型对所述融合噪声图像进行识别，获取所述融合噪声图像的有效属性标签包括以下步骤：基于训练好的清晰数据属性识别模型获取所述目标清晰图像的各个属性的第一属性清晰精度；基于训练好的清晰数据属性识别模型获取所述融合噪声...

【专利技术属性】
技术研发人员：崔龙，袁德胜，游浩泉，潘潇君，刘宁，成西锋，党毅飞，王海涛，
申请(专利权)人：汇客云上海数据服务有限公司，
类型：发明
国别省市：