[發(fā)明專利]一種目標(biāo)對(duì)象的多屬性識(shí)別方法、設(shè)備、介質(zhì)及神經(jīng)網(wǎng)絡(luò)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711308368.4
• 申請(qǐng)日: 2017-12-11
• 公開（公告）號(hào): CN108052894A
• 公開（公告）日: 2018-05-18
• 發(fā)明（設(shè)計(jì)）人: 李磊;董遠(yuǎn);白洪亮;熊風(fēng)燁
• 申請(qǐng)（專利權(quán)）人: 北京飛搜科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京晉德允升知識(shí)產(chǎn)權(quán)代理有限公司 11623
• 代理人: 萬鐵占;穆裕

本發(fā)明提供了一種目標(biāo)對(duì)象的多屬性識(shí)別方法、設(shè)備、介質(zhì)及神經(jīng)網(wǎng)絡(luò)，多個(gè)全連接層可以同時(shí)識(shí)別出目標(biāo)對(duì)象的多個(gè)屬性特征，可以根據(jù)需要識(shí)別的屬性特征的數(shù)量來設(shè)置全連接層的數(shù)量，并且修改方便，靈活度高。且上述神經(jīng)網(wǎng)絡(luò)的層數(shù)不超過34層，在保證精度的情況下，可快速提高單張圖片的處理用時(shí)。

技術(shù)領(lǐng)域

本說明書涉及信息技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)對(duì)象的多屬性識(shí)別方法、設(shè)備、介質(zhì)及神經(jīng)網(wǎng)絡(luò)。

背景技術(shù)

當(dāng)前，行人多屬性識(shí)別方式包括多標(biāo)簽的SVM(Support Vector Machine，支持向量機(jī))、Softmax分類器以及神經(jīng)網(wǎng)絡(luò)。但是上述SVM和Softmax分類器兩種方法的準(zhǔn)確率不如神經(jīng)網(wǎng)絡(luò)高。而神經(jīng)網(wǎng)絡(luò)需要用深層的神經(jīng)網(wǎng)絡(luò)來提高準(zhǔn)確率，例如，152層的神經(jīng)網(wǎng)絡(luò)。而隨著神經(jīng)網(wǎng)絡(luò)的層數(shù)的增加，其處理速度又會(huì)逐漸降低，難以滿足視頻中行人屬性識(shí)別的速度要求。進(jìn)一步的，在當(dāng)前的神經(jīng)網(wǎng)絡(luò)中，每次都只針對(duì)行人的一個(gè)屬性進(jìn)行識(shí)別，當(dāng)存在多個(gè)行人屬性需要識(shí)別時(shí)，則需要多個(gè)不同的神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。

基于現(xiàn)有技術(shù)，需要更為有效的多屬性識(shí)別方法，提高識(shí)別速度，以適應(yīng)視頻中行人屬性識(shí)別的速度要求。

發(fā)明內(nèi)容

本說明書實(shí)施例提供一種目標(biāo)對(duì)象的多屬性識(shí)別方法、設(shè)備、介質(zhì)及神經(jīng)網(wǎng)絡(luò)，同時(shí)識(shí)別多個(gè)屬性特征，能夠滿足視頻中行人屬性識(shí)別的速度要求。

為解決上述技術(shù)問題，本說明書實(shí)施例是這樣實(shí)現(xiàn)的：

本發(fā)明提供了一種對(duì)目標(biāo)對(duì)象進(jìn)行多屬性識(shí)別的神經(jīng)網(wǎng)絡(luò)，包括：

輸入層，將包含有目標(biāo)對(duì)象的圖片輸入至所述輸入層；

多個(gè)卷積層以及至少一個(gè)池化層，提取出所述目標(biāo)對(duì)象的多個(gè)屬性特征；

多個(gè)全連接層，識(shí)別所述目標(biāo)對(duì)象的多個(gè)屬性特征；以及

輸出層，確定并輸出所述多個(gè)全連接層的識(shí)別結(jié)果。

優(yōu)選的，在上述的神經(jīng)網(wǎng)絡(luò)中，所述多個(gè)全連接層中的任意一個(gè)與一個(gè)屬性特征一一對(duì)應(yīng)；

多個(gè)全連接層，識(shí)別所述目標(biāo)對(duì)象的多個(gè)屬性特征，包括：

針對(duì)不同的全連接層，分別執(zhí)行以下操作：

該全連接層識(shí)別與其一一對(duì)應(yīng)的所述目標(biāo)對(duì)象的屬性特征。

優(yōu)選的，在上述的神經(jīng)網(wǎng)絡(luò)中，所述目標(biāo)對(duì)象的多個(gè)屬性特征中的任意一個(gè)，包括多個(gè)類別；

該全連接層識(shí)別與其一一對(duì)應(yīng)的所述目標(biāo)對(duì)象的屬性特征，包括：

該全連接層獲取與其對(duì)應(yīng)的所述目標(biāo)對(duì)象的屬性特征的所有類別的得分。

優(yōu)選的，在上述的神經(jīng)網(wǎng)絡(luò)中，所述輸出層有多個(gè)，一個(gè)輸出層與一個(gè)全連接層一一對(duì)應(yīng)；

輸出層，確定并輸出所述多個(gè)全連接層的識(shí)別結(jié)果，包括：

針對(duì)不同的輸出層，分別執(zhí)行以下操作：

獲取與其對(duì)應(yīng)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(duì)應(yīng)的全連接層的識(shí)別結(jié)果；

輸出所述識(shí)別結(jié)果。

優(yōu)選的，在上述的神經(jīng)網(wǎng)絡(luò)中，所述輸出層為Softmax分類器；

輸出層，確定并輸出所述多個(gè)全連接層的識(shí)別結(jié)果，包括：

Softmax分類器確定并輸出所述多個(gè)全連接層的識(shí)別結(jié)果：

針對(duì)不同的Softmax分類器，分別執(zhí)行以下操作：

根據(jù)與其對(duì)應(yīng)的全連接層獲取的所有類別的得分獲取所有類別的概率；