【技术实现步骤摘要】
本申请涉及数据处理，特别是涉及一种多属性识别方法、电子设备和计算机可读存储介质。
技术介绍
1、随着数据时代的来临，大量的图像需要进行处理，而如何识别图像的属性成为了重要方向。现有技术中，通常是训练属性识别模型用于识别图像的属性，但常规的属性识别模型在进行单属性识别时具有较优的准确率，而在进行多属性识别时的准确率较低。有鉴于此，如何提高多属性识别的准确率成为了亟待解决的问题。
技术实现思路
1、本申请主要解决的技术问题是提供一种多属性识别方法、电子设备和计算机可读存储介质，能够提高多属性识别的准确率。
2、为解决上述技术问题，本申请第一方面提供一种多属性识别方法，包括：获取待识别图像对应的待识别图像特征，以及为所述待识别图像配置的文本特征集；其中，所述文本特征集是基于以下步骤配置得到的，包括：获取多个属性组合各自对应的描述文本，以及每个所述属性组合对应的属性特征；基于每个所述属性组合对应的所述描述文本和每个所述属性组合对应的所述属性特征，确定每个所述属性组合对应的参考文本特征，...
【技术保护点】
1.一种多属性识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述参考文本特征是在训练多模态神经网络模型时得到的，所述多模态神经网络模型包括图像编码器和文本编码器，所述参考文本特征的获取过程包括：
3.根据权利要求2所述的方法，其特征在于，每种所述属性组合对应的训练图像的数量小于数量阈值，每种属性组合对应至少一种描述形式的所述描述文本，在训练过程中所述训练向量在所有所述属性组合之间共享，所述训练向量的所述预设收敛条件包括所述参考向量的向量长度，所述向量长度在训练过程中与所述描述文本自适应匹配。
4.根...
【技术特征摘要】
1.一种多属性识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述参考文本特征是在训练多模态神经网络模型时得到的，所述多模态神经网络模型包括图像编码器和文本编码器，所述参考文本特征的获取过程包括：
3.根据权利要求2所述的方法，其特征在于，每种所述属性组合对应的训练图像的数量小于数量阈值，每种属性组合对应至少一种描述形式的所述描述文本，在训练过程中所述训练向量在所有所述属性组合之间共享，所述训练向量的所述预设收敛条件包括所述参考向量的向量长度，所述向量长度在训练过程中与所述描述文本自适应匹配。
4.根据权利要求1所述的方法，其特征在于，所述方法是利用多模态神经网络模型实现的，所述多模态神经网络模型包括图像编码器和文本编码器；
5.根据权利要求4所述的方法，其特征在于，所述属性组合包括的多种属性均属于预设属性类别；
6.根据权利要求4...
【专利技术属性】
技术研发人员：周永哲，吴忠人，陆晓栋，徐聪，
申请(专利权)人：浙江大华技术股份有限公司，
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。