[發明專利]多任務屬性的圖像識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010225826.3
• 申請日: 2020-03-26
• 公開（公告）號: CN111539452A
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 袁瑾;邢玲;胡文澤
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 深圳驛航知識產權代理事務所(普通合伙) 44605
• 代理人: 楊倫

1.一種多任務屬性的圖像識別方法，其特征在于，包括以下步驟：

獲取需要輸入到目標識別網絡的待識別圖像，其中，所述目標識別網絡包括用于抽取公共圖像特征的共享網絡，以及用于抽取任務圖像特征的多個任務網絡；

將所述待識別圖像輸入到所述共享網絡進行圖像特征抽取，得到所述待識別圖像的公共圖像特征；

將所述公共圖像特征輸入到所述任務網絡進行任務特征抽取，得到所述待識別圖像的任務圖像特征；

基于所述任務圖像特征進行任務結果分類，得到屬性識別結果。

2.如權利要求1所述的方法，其特征在于，所述獲取需要輸入到目標識別網絡的待識別圖像之前，所述方法還包括：

獲取未標注的圖像樣本池，所述圖像樣本池中的圖像樣本與所述待識別圖像的類型相同；

通過所述任務網絡所對應的屬性以及主動學習方法，選取所述圖像樣本池中的圖像樣本進行標注，得到標注樣本集；

基于所述標注樣本集對所述多任務屬性識別網絡進行訓練。

3.如權利要求2所述的方法，其特征在于，所述通過所述任務網絡所對應的屬性以及主動學習方法，選取所述圖像樣本池中的圖像樣本進行標注，得到標注樣本集，包括：

根據所述任務網絡所對應的屬性，通過主動學習方法選取對應屬性的困難圖像樣本，得到所有屬性對應的樣本子集；

計算得到所述所有屬性對應的樣本子集的交集；

將所述交集對應的困難圖像樣本進行標注，得到標注數據集。

4.如權利要求2所述的方法，其特征在于，所述通過所述任務網絡所對應的屬性以及主動學習方法，選取所述圖像樣本池中的圖像樣本進行標注，得到標注樣本集，包括：

計算所述圖像樣本池中的各個圖像樣本在所述各個所述任務網絡的難易程度；

獲取每個任務網絡的困難度權值；

基于所述難易程度以及所述每個任務網絡的困難度權值，計算得到每個樣本的困難度分數；

基于所述困難度分數，選取困難圖像樣本；

將所述困難圖像樣本進行標注，得到標注數據集。

5.如權利要求4所述的方法，其特征在于，所述獲計算所述圖像樣本池中的各個圖像樣本在所述各個所述任務網絡的難易程度，包括：

獲取每個任務網絡下的子屬性分類對當前圖像樣本的預測值；

基于所述每個子屬性分類對當前圖像樣本的預測值，計算得到對應任務網絡對當前圖像樣本的難易程度。

6.如權利要求2所述的方法，其特征在于，所述主動學習方法至少包括兩種，所述通過所述任務網絡所對應的屬性以及主動學習方法，選取所述圖像樣本池中的圖像樣本進行標注，得到標注樣本集，包括：

通過所述任務網絡所對應的屬性以及所述至少兩種主動學習方法，得到所述至少兩種主動學習方法對應的至少兩個困難圖像樣本集；

計算所述至少兩個困難樣本集的交集，得到目標困難圖像樣本集，選取所述困難圖像樣本集進行標注，得到標注樣本集。

7.一種多任務屬性的圖像識別裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取需要輸入到目標識別網絡的待識別圖像，其中，所述目標識別網絡為通過主動學習方法得到的樣本數據對多任務屬性識別網絡進行訓練得到，所述目標識別網絡包括用于抽取公共圖像特征的共享網絡，以及用于抽取任務圖像特征的多個任務網絡；

第一特征抽取模塊，用于將待識別圖像輸入到所述共享網絡進行圖像特征抽取，得到所述待識別圖像的公共圖像特征；

第二特征抽取模塊，用于將所述公共圖像特征輸入到所述任務網絡進行任務特征抽取，得到所述待識別圖像的任務圖像特征；

分類模塊，用于基于所述任務圖像特征進行任務結果分類，得到屬性識別結果。