[發明專利]一種目標對象的多屬性識別方法、設備、介質及神經網絡在審
| 申請號： | 201711308368.4 | 申請日： | 2017-12-11 |
| 公開（公告）號： | CN108052894A | 公開（公告）日： | 2018-05-18 |
| 發明（設計）人： | 李磊;董遠;白洪亮;熊風燁 | 申請（專利權）人： | 北京飛搜科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京晉德允升知識產權代理有限公司 11623 | 代理人： | 萬鐵占;穆裕 |
| 地址： | 100876 北京市海淀*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 目標 對象 屬性 識別 方法 設備 介質 神經網絡 | ||
1.一種對目標對象進行多屬性識別的神經網絡，其特征在于，包括：
輸入層，將包含有目標對象的圖片輸入至所述輸入層；
多個卷積層以及至少一個池化層，提取出所述目標對象的多個屬性特征；
多個全連接層，識別所述目標對象的多個屬性特征；以及
輸出層，確定并輸出所述多個全連接層的識別結果。
2.根據權利要求1所述的神經網絡，其特征在于，所述多個全連接層中的任意一個與一個屬性特征一一對應；
多個全連接層，識別所述目標對象的多個屬性特征，包括：
針對不同的全連接層，分別執行以下操作：
該全連接層識別與其一一對應的所述目標對象的屬性特征。
3.根據權利要求2所述的神經網絡，其特征在于，所述目標對象的多個屬性特征中的任意一個，包括多個類別；
該全連接層識別與其一一對應的所述目標對象的屬性特征，包括：
該全連接層獲取與其對應的所述目標對象的屬性特征的所有類別的得分。
4.根據權利要求3所述的神經網絡，其特征在于，所述輸出層有多個，一個輸出層與一個全連接層一一對應；
輸出層，確定并輸出所述多個全連接層的識別結果，包括：
針對不同的輸出層，分別執行以下操作：
獲取與其對應的全連接層輸出的所有類別的得分；
得分最高的類別即為與其對應的全連接層的識別結果；
輸出所述識別結果。
5.根據權利要求4所述的神經網絡，其特征在于，所述輸出層為Softmax分類器；
輸出層，確定并輸出所述多個全連接層的識別結果，包括：
Softmax分類器確定并輸出所述多個全連接層的識別結果：
針對不同的Softmax分類器，分別執行以下操作：
根據與其對應的全連接層獲取的所有類別的得分獲取所有類別的概率；
按照概率的大小從大到小對所有類別進行排序；
概率最大的類別即為其對應的全連接層的識別結果；
輸出所述識別結果。
6.根據權利要求1所述的神經網絡，其特征在于，所述神經網絡的層數小于等于34。
7.一種目標對象的多屬性識別方法，其特征在于，包括：
將包含有目標對象的圖片輸入至神經網絡的輸入層；
所述神經網絡的多個卷積層以及至少一個池化層提取出所述目標對象的多個屬性特征；
所述神經網絡的多個全連接層同時識別所述目標對象的多個屬性特征；
所述神經網絡的輸出層輸出所述多個全連接層的識別結果。
8.根據權利要求7所述的目標對象的多屬性識別方法，其特征在于，所述多個全連接層中的任意一個與一個屬性特征一一對應；
多個全連接層，識別所述目標對象的多個屬性特征，包括：
針對不同的全連接層，分別執行以下操作：
該全連接層識別與其一一對應的所述目標對象的屬性特征。
9.根據權利要求8所述的目標對象的多屬性識別方法，其特征在于，所述目標對象的多個屬性特征中的任意一個，包括多個類別；
該全連接層獲取與其對應的所述目標對象的屬性特征的所有類別的得分。
10.根據權利要求9所述的目標對象的多屬性識別方法，其特征在于，所述輸出層有多個，一個輸出層與一個全連接層一一對應；
輸出層，確定并輸出所述多個全連接層的識別結果，包括：
針對不同的輸出層，分別執行以下操作：
獲取與其對應的全連接層輸出的所有類別的得分；
得分最高的類別即為與其對應的全連接層的識別結果；
輸出所述識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京飛搜科技有限公司，未經北京飛搜科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711308368.4/1.html，轉載請聲明來源鉆瓜專利網。
