[發(fā)明專利]一種屬性分類器的應用方法及裝置

有效

• 申請?zhí)枺?/td>: 201610655960.0
• 申請日: 2016-08-11
• 公開（公告）號: CN107729909B
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 趙波鋒;李海濱;胡曉峰
• 申請（專利權）人: 中國移動通信集團湖南有限公司;中國移動通信集團公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京同達信恒知識產(chǎn)權代理有限公司 11291
• 代理人: 郭潤湘

1.一種屬性分類器的應用方法，其特征在于，包括：

根據(jù)目標屬性分類器對應的級別，確定所述目標屬性分類器對應的卷積神經(jīng)網(wǎng)絡CNN模型中的卷積核和池化單位，其中，所述目標屬性分類器對應的級別是根據(jù)目標的多種不同屬性確定的，所述目標的多種不同屬性包括年齡、性別、表情和膚色；相同級別的屬性分類器對應的CNN模型中的卷積核數(shù)量相同，不同級別的屬性分類器對應的CNN模型中的卷積核數(shù)量不相同；

根據(jù)獲取到的訓練樣本數(shù)據(jù)及確定的所述CNN模型中的卷積核和池化單位，對所述目標屬性分類器進行訓練，得到訓練后的目標屬性分類器。

2.如權利要求1所述的方法，其特征在于，所述相同級別的屬性分類器分別對應的CNN模型中的卷積核相同，所述不同級別的屬性分類器中的高級別屬性分類器對應的CNN模型中的卷積核包含低級別的屬性分類器對應的CNN模型中的卷積核。

3.如權利要求1所述的方法，其特征在于，所述得到訓練后的目標屬性分類器之后，還包括：

獲取待檢測樣本并確定所述待檢測樣本的待檢測屬性；

若所述待檢測屬性與所述目標屬性分類器對應的屬性相同，則根據(jù)所述訓練后的目標屬性分類器對所述待檢測屬性進行分類。

4.如權利要求1所述的方法，其特征在于，所述根據(jù)獲取到的訓練樣本數(shù)據(jù)及確定的所述CNN模型中的卷積核和池化單位，對所述目標屬性分類器進行訓練，包括：

激活所述目標屬性分類器；

將所述訓練樣本數(shù)據(jù)及所述CNN模型中的卷積核和池化單位輸入到所述目標屬性分類器中，對所述目標屬性分類器進行訓練。

5.如權利要求1-4中任一項所述的方法，其特征在于，所述目標屬性分類器包含下列部分或者全部：

年齡分類器、性別分類器、表情分類器、膚色分類器。

6.一種屬性分類器的應用裝置，其特征在于，包括：

確定單元，用于根據(jù)目標屬性分類器對應的級別，確定所述目標屬性分類器對應的卷積神經(jīng)網(wǎng)絡CNN模型中的卷積核和池化單位，其中，所述目標屬性分類器對應的級別是根據(jù)目標的多種不同屬性確定的，所述目標的多種不同屬性包括年齡、性別、表情和膚色；相同級別的屬性分類器對應的CNN模型中的卷積核數(shù)量相同，不同級別的屬性分類器對應的CNN模型中的卷積核數(shù)量不相同；

訓練單元，用于根據(jù)獲取到的訓練樣本數(shù)據(jù)及確定的所述CNN模型中的卷積核和池化單位，對所述目標屬性分類器進行訓練，得到訓練后的目標屬性分類器。

7.如權利要求6所述的裝置，其特征在于，所述相同級別的屬性分類器分別對應的CNN模型中的卷積核相同，所述不同級別的屬性分類器中的高級別屬性分類器對應的CNN模型中的卷積核包含低級別的屬性分類器對應的CNN模型中的卷積核。

8.如權利要求6所述的裝置，其特征在于，所述裝置還包括分類單元，用于：

獲取待檢測樣本并確定所述待檢測樣本的待檢測屬性；

若所述待檢測屬性與所述目標屬性分類器對應的屬性相同，則根據(jù)所述訓練后的目標屬性分類器對所述待檢測屬性進行分類。

9.如權利要求6所述的裝置，其特征在于，所述訓練單元，具體用于：

激活所述目標屬性分類器；

將所述訓練樣本數(shù)據(jù)及所述CNN模型中的卷積核和池化單位輸入到所述目標屬性分類器中，對所述目標屬性分類器進行訓練。

10.如權利要求6-9中任一項所述的裝置，其特征在于，所述目標屬性分類器包含下列部分或者全部：

年齡分類器、性別分類器、表情分類器、膚色分類器。