System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能技术,尤其涉及一种基于人工智能的属性识别方法、属性识别模型训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、属性识别在多个领域具有重要意义,例如在待识别目标为人脸时,通过识别图像中的人脸属性(如性别、年龄、表情等),能够更好地理解个体差异,从而实现更加个性化和智能化的服务。
2、在相关技术提供的方案中,通常是通过单任务学习的方式训练用于属性识别的模型,然而,单任务学习专注于学习和预测单一属性类型,如仅能识别出图像中人脸对应的性别是男或女,如果需要同时识别多种属性类型,则需要针对每种属性类型单独训练一个模型,实现成本较高。
技术实现思路
1、本申请提供一种基于人工智能的属性识别方法、属性识别模型训练方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够以较低的实现成本识别出图像中待识别目标的多种属性特征,同时保证识别精度。
2、本申请的技术方案是这样实现的:
3、本申请提供一种基于人工智能的属性识别方法,包括:
4、获取待识别图像以及多个属性描述文本;其中,每个属性描述文本是对待识别目标的多种属性特征进行自然语言描述处理得到的;
5、对所述待识别图像进行图像特征提取处理,得到所述待识别图像的图像特征;
6、对每个属性描述文本进行文本特征提取处理,得到每个属性描述文本的文本特征;
7、确定所述待识别图像的图像特征分别与多个属性描述文本的文本特征之间的
8、在多个相似度中确定最大相似度,并将最大相似度对应的属性描述文本中的属性特征确定为所述待识别图像中待识别目标的属性特征。
9、本申请提供一种基于人工智能的属性识别模型训练方法,包括:
10、获取训练图像以及多个属性描述文本;其中,每个属性描述文本是对待识别目标的多种属性特征进行自然语言描述处理得到的;
11、通过属性识别模型对所述训练图像进行图像特征提取处理,得到所述训练图像的图像特征,以作为训练图像特征;
12、通过属性识别模型对每个属性描述文本进行文本特征提取处理,得到每个属性描述文本的文本特征,以作为训练文本特征;
13、确定所述训练图像的训练图像特征分别与多个属性描述文本的训练文本特征之间的相似度,以作为训练相似度;
14、根据多个训练相似度以及所述训练图像中待识别目标的多种标签属性特征确定损失值,并根据所述损失值训练属性识别模型;其中,训练完成的属性识别模型用于对待识别图像进行图像特征提取处理、以及对属性描述文本进行文本特征提取处理。
15、本申请提供一种基于人工智能的属性识别装置,包括:
16、第一获取模块,用于获取待识别图像以及多个属性描述文本;其中,每个属性描述文本是对待识别目标的多种属性特征进行自然语言描述处理得到的;
17、第一图像特征提取模块,用于对所述待识别图像进行图像特征提取处理,得到所述待识别图像的图像特征;
18、第一文本特征提取模块,用于对每个属性描述文本进行文本特征提取处理,得到每个属性描述文本的文本特征;
19、第一确定模块,用于确定所述待识别图像的图像特征分别与多个属性描述文本的文本特征之间的相似度;
20、识别模块,用于在多个相似度中确定最大相似度,并将最大相似度对应的属性描述文本中的属性特征确定为所述待识别图像中待识别目标的属性特征。
21、本申请提供一种基于人工智能的属性识别模型训练装置,包括:
22、第二获取模块,用于获取训练图像以及多个属性描述文本;其中,每个属性描述文本是对待识别目标的多种属性特征进行自然语言描述处理得到的;
23、第二图像特征提取模块,用于通过属性识别模型对所述训练图像进行图像特征提取处理,得到所述训练图像的图像特征,以作为训练图像特征;
24、第二文本特征提取模块,用于通过属性识别模型对每个属性描述文本进行文本特征提取处理,得到每个属性描述文本的文本特征,以作为训练文本特征;
25、第二确定模块,用于确定所述训练图像的训练图像特征分别与多个属性描述文本的训练文本特征之间的相似度,以作为训练相似度;
26、训练模块,用于根据多个训练相似度以及所述训练图像中待识别目标的多种标签属性特征确定损失值,并根据所述损失值训练属性识别模型;其中,训练完成的属性识别模型用于对待识别图像进行图像特征提取处理、以及对属性描述文本进行文本特征提取处理。
27、本申请提供一种电子设备,包括:
28、存储器,用于存储可执行指令;
29、处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的基于人工智能的属性识别方法或者基于人工智能的属性识别模型训练方法。
30、本申请提供一种计算机可读存储介质,存储有可执行指令,用于引起处理器执行时,实现本申请提供的基于人工智能的属性识别方法或者基于人工智能的属性识别模型训练方法。
31、本申请提供了一种计算机程序产品,该计算机程序产品包括可执行指令,用于引起处理器执行时,实现本申请提供的基于人工智能的属性识别方法或者基于人工智能的属性识别模型训练方法。
32、本申请具有以下有益效果:
33、在获取到待识别图像以及多个属性描述文本时,提取待识别图像的图像特征以及每个属性描述文本的文本特征,确定待识别图像的图像特征分别与多个属性描述文本的文本特征之间的相似度,由于图像特征能够有效表示待识别图像的语义,文本特征能够有效表示属性描述文本的语义,因此得到的相似度能够有效表示待识别图像与属性描述文本在语义上的相关程度,故将最大相似度对应的属性描述文本中的属性特征确定为待识别图像中待识别目标的属性特征,如此,一方面能够保证属性识别的精度,另一方面能够通过一次属性识别得到待识别图像中待识别目标的多种属性特征。同理,在训练属性识别模型时不再局限于单个属性类型,使得通过一个属性识别模型便可识别出多种属性特征,能够大大降低实现成本。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的属性识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取待识别图像以及多个属性描述文本之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述对分别属于多种属性类型的属性特征进行组合处理之前,所述方法还包括:
4.根据权利要求1至3任一项所述的方法,其特征在于,所述自然语言描述处理包括以下任意一种处理:
5.一种基于人工智能的属性识别模型训练方法,其特征在于,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述损失值训练属性识别模型之后,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述测试图像中待识别目标的多种标签属性特征包括多个属性描述文本中未出现的属性特征;所述通过训练后的属性识别模型对每个属性描述文本进行文本特征提取处理之前,所述方法还包括:
8.根据权利要求5所述的方法,其特征在于,所述根据多个训练相似度以及所述训练图像中待识别目标的多种标签属性特征确定损失值,包括:
9.根据权利要求5至
10.一种基于人工智能的属性识别装置,其特征在于,包括:
11.一种基于人工智能的属性识别模型训练装置,其特征在于,包括:
12.一种电子设备,其特征在于,包括:
13.一种计算机可读存储介质,其特征在于,存储有可执行指令,用于被处理器执行时,实现权利要求1至4任一项所述的基于人工智能的属性识别方法,或者权利要求5至9任一项所述的基于人工智能的属性识别模型训练方法。
14.一种计算机程序产品,其特征在于,包括可执行指令,用于被处理器执行时,实现权利要求1至4任一项所述的基于人工智能的属性识别方法,或者权利要求5至9任一项所述的基于人工智能的属性识别模型训练方法。
...【技术特征摘要】
1.一种基于人工智能的属性识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取待识别图像以及多个属性描述文本之前,所述方法还包括:
3.根据权利要求2所述的方法,其特征在于,所述对分别属于多种属性类型的属性特征进行组合处理之前,所述方法还包括:
4.根据权利要求1至3任一项所述的方法,其特征在于,所述自然语言描述处理包括以下任意一种处理:
5.一种基于人工智能的属性识别模型训练方法,其特征在于,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述损失值训练属性识别模型之后,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述测试图像中待识别目标的多种标签属性特征包括多个属性描述文本中未出现的属性特征;所述通过训练后的属性识别模型对每个属性描述文本进行文本特征提取处理之前,所述方法还包括:
8.根据权利要求5...
【专利技术属性】
技术研发人员:季家桢,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。