[發明專利]多元屬性預測模型的訓練方法、裝置和存儲介質

在審

• 申請號: 201910439133.1
• 申請日: 2019-05-24
• 公開（公告）號: CN111985279A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 石海林;朱睿
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F16/9535
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 李昊;許蓓

1.一種多元屬性預測模型的訓練方法，包括：

將訓練圖像輸入到多元屬性預測模型中，獲得訓練圖像中的對象的多種屬性分別對應的預測值，其中，所述訓練圖像的標記值包括每種屬性對應的標記值；

根據每種屬性的標記值與預測值的差距，確定每種屬性對應的損失函數權重，其中，所述每種屬性的標記值與預測值的差距與對應的損失函數權重成負相關關系；

根據每種屬性對應的損失函數權重、以及每種屬性的標記值與預測值的差距，確定所述多元屬性預測模型的總損失函數值；

根據所述總損失函數值對所述多元屬性預測模型的參數進行調整。

2.根據權利要求1所述的訓練方法，其中，根據每種屬性的標記值與預測值的差距、以及每種屬性的類別數，確定每種屬性對應的損失函數權重，其中，每種屬性的類別數與相應的損失函數權重成正相關關系。

3.根據權利要求1或2所述的訓練方法，其中，每種屬性都具有標記值的訓練圖像為有效的訓練圖像；

所述根據每種屬性的標記值與預測值的差距，確定每種屬性對應的損失函數權重包括：

對于所述多種屬性的每一種屬性，將具有所述屬性的標記值的訓練圖像確定為該屬性對應的有效圖像；

根據每種屬性對應的有效圖像的標記值與預測值的差距，確定每種屬性對應的損失函數權重。

4.根據權利要求3所述的訓練方法，其中，所述根據每種屬性對應的有效圖像的標記值與預測值的差距，確定每種屬性對應的損失函數權重包括：

對于所述多種屬性中的每種屬性，根據對應的有效圖像的標記值與預測值的差距的平方的平均值，確定該屬性對應的有效平均損失；

根據屬性的類別數與有效平均損失的比值，確定屬性對應的損失函數權重。

5.根據權利要求1所述的訓練方法，其中，所述多元屬性預測模型包括特征提取層和多個并聯的全連接層，全連接層與所述多種屬性一一對應，每個全連接層用于根據特征提取層的提取結果輸出該全連接層對應的屬性的預測值。

6.根據權利要求1所述的訓練方法，還包括：

將人臉圖像輸入到完成訓練的多元屬性預測模型，獲得人臉圖像中的人臉的多種屬性的預測值。

7.根據權利要求1所述的訓練方法，其中，所述多種屬性包括年齡、性別、種族、表情中的至少兩個。

8.一種多元屬性預測模型的訓練裝置，包括：

輸入模塊，被配置為將訓練圖像輸入到多元屬性預測模型中，獲得訓練圖像中的對象的多種屬性分別對應的預測值，其中，所述訓練圖像的標記值包括每種屬性對應的標記值；

權重確定模塊，被配置為根據每種屬性的標記值與預測值的差距，確定每種屬性對應的損失函數權重，其中，所述每種屬性的標記值與預測值的差距與對應的損失函數權重成負相關關系；

總損失確定模塊，被配置為根據每種屬性對應的損失函數權重、以及每種屬性的標記值與預測值的差距，確定所述多元屬性預測模型的總損失函數值；

參數調整模塊，被配置為根據所述總損失函數值對所述多元屬性預測模型的參數進行調整。

9.一種多元屬性預測模型的訓練裝置，包括：

存儲器；以及

耦接至所述存儲器的處理器，所述處理器被配置為基于存儲在所述存儲器中的指令，執行如權利要求1～7中任一項所述的多元屬性預測模型的訓練方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現權利要求1～7中任一項所述的多元屬性預測模型的訓練方法。