[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

本發明公開了一種多元屬性預測模型的訓練方法、裝置和存儲介質，涉及圖像識別技術領域。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。本發明能夠提高模型的預測準確率。

技術領域

本發明涉及圖像識別技術領域，特別涉及一種多元屬性預測模型的訓練方法、裝置和存儲介質。

背景技術

人臉屬性分析的目標在于，對于給定的人臉圖片，能預測出其所包含的人臉屬性，包括年齡、性別、種族、表情等信息。然而由于人臉視角、光照、表情、遮擋等人臉表觀的變化，進行人臉屬性分析仍然是一個極大的挑戰。近年來，隨著深度學習與卷積神經網絡(Convolutional Neural Network)的發展，人臉屬性分析技術得到廣泛應用。

發明內容

發明人經過分析后發現，相關技術采用深度學習的方法來訓練模型。然而，相關技術中的模型性能較差，對圖像中多元屬性的預測準確率較低。

本發明實施例所要解決的一個技術問題是：如何提高對圖像中多元屬性的預測準確率。

根據本發明一些實施例的第一個方面，提供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。

在一些實施例中，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。

在一些實施例中，每種屬性都具有標記值的訓練圖像為有效的訓練圖像；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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，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。

在一些實施例中，多種屬性包括年齡、性別、種族、表情中的至少兩個。