[發(fā)明專利]多任務(wù)屬性的圖像識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010225826.3
• 申請(qǐng)日: 2020-03-26
• 公開（公告）號(hào): CN111539452A
• 公開（公告）日: 2020-08-14
• 發(fā)明（設(shè)計(jì)）人: 袁瑾;邢玲;胡文澤
• 申請(qǐng)（專利權(quán)）人: 深圳云天勵(lì)飛技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00
• 代理公司: 深圳驛航知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44605
• 代理人: 楊倫

本發(fā)明實(shí)施例提供一種多任務(wù)屬性的圖像識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，所述方法包括：獲取需要輸入到目標(biāo)識(shí)別網(wǎng)絡(luò)的待識(shí)別圖像，其中，所述目標(biāo)識(shí)別網(wǎng)絡(luò)為通過主動(dòng)學(xué)習(xí)方法得到的樣本數(shù)據(jù)對(duì)多任務(wù)屬性識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，所述目標(biāo)識(shí)別網(wǎng)絡(luò)包括用于抽取公共圖像特征的共享網(wǎng)絡(luò)，以及用于抽取任務(wù)圖像特征的多個(gè)任務(wù)網(wǎng)絡(luò)；將所述待識(shí)別圖像輸入到所述共享網(wǎng)絡(luò)進(jìn)行圖像特征抽取，得到所述待識(shí)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(wù)網(wǎng)絡(luò)進(jìn)行任務(wù)特征抽取，得到所述待識(shí)別圖像的任務(wù)圖像特征；基于所述任務(wù)圖像特征進(jìn)行任務(wù)結(jié)果分類，得到屬性識(shí)別結(jié)果。節(jié)省時(shí)間與計(jì)算開銷，加快模型運(yùn)算速度，降低了多屬性識(shí)別的費(fèi)效比。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種多任務(wù)屬性的圖像識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著對(duì)人工智能的深入研究，圖像識(shí)別技術(shù)不斷落地。在圖像識(shí)別技術(shù)中，用戶建立一個(gè)初始圖像識(shí)別網(wǎng)絡(luò)，然后通過標(biāo)注好的數(shù)據(jù)集不斷訓(xùn)練該初始圖像識(shí)別網(wǎng)絡(luò)，使該初始圖像識(shí)別網(wǎng)絡(luò)對(duì)圖像的分類結(jié)果越來越接近標(biāo)注好的數(shù)據(jù)結(jié)果，從而得到對(duì)應(yīng)的圖像識(shí)別網(wǎng)絡(luò)。在圖像識(shí)別網(wǎng)絡(luò)中，通常一個(gè)識(shí)別任務(wù)作為一個(gè)模型進(jìn)行圖像識(shí)別，這樣，在需要進(jìn)行多屬性識(shí)別時(shí)，則需要對(duì)單獨(dú)的屬性設(shè)計(jì)網(wǎng)絡(luò)以及準(zhǔn)備單獨(dú)的訓(xùn)練數(shù)據(jù)，從而導(dǎo)致模型數(shù)據(jù)量多，參數(shù)計(jì)算時(shí)間長、計(jì)算開銷大以及訓(xùn)練過程麻煩。因此，現(xiàn)有的圖像識(shí)別技術(shù)中，由于多屬性識(shí)別通過多個(gè)識(shí)別網(wǎng)絡(luò)進(jìn)行，使得多屬性識(shí)別需要對(duì)應(yīng)訓(xùn)練多個(gè)識(shí)別網(wǎng)絡(luò)，進(jìn)而多個(gè)訓(xùn)練數(shù)據(jù)集，花費(fèi)較高，收效較低，因此存在費(fèi)效比較高的問題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種多任務(wù)屬性的圖像識(shí)別方法，能夠降低多屬性識(shí)別時(shí)，識(shí)別網(wǎng)絡(luò)的費(fèi)效比。

第一方面，本發(fā)明實(shí)施例提供一種多任務(wù)屬性的圖像識(shí)別方法，包括：

獲取需要輸入到目標(biāo)識(shí)別網(wǎng)絡(luò)的待識(shí)別圖像，其中，所述目標(biāo)識(shí)別網(wǎng)絡(luò)為通過主動(dòng)學(xué)習(xí)方法得到的樣本數(shù)據(jù)對(duì)多任務(wù)屬性識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，所述目標(biāo)識(shí)別網(wǎng)絡(luò)包括用于抽取公共圖像特征的共享網(wǎng)絡(luò)，以及用于抽取任務(wù)圖像特征的多個(gè)任務(wù)網(wǎng)絡(luò)；

將所述待識(shí)別圖像輸入到所述共享網(wǎng)絡(luò)進(jìn)行圖像特征抽取，得到所述待識(shí)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(wù)網(wǎng)絡(luò)進(jìn)行任務(wù)特征抽取，得到所述待識(shí)別圖像的任務(wù)圖像特征；

基于所述任務(wù)圖像特征進(jìn)行任務(wù)結(jié)果分類，得到屬性識(shí)別結(jié)果。

可選的，獲取需要輸入到目標(biāo)識(shí)別網(wǎng)絡(luò)的待識(shí)別圖像之前，所述方法還包括：

獲取未標(biāo)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(shí)別圖像的類型相同；

通過所述任務(wù)網(wǎng)絡(luò)所對(duì)應(yīng)的屬性以及主動(dòng)學(xué)習(xí)方法，選取所述圖像樣本池中的圖像樣本進(jìn)行標(biāo)注，得到標(biāo)注樣本集；

基于所述標(biāo)注樣本集對(duì)所述多任務(wù)屬性識(shí)別網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

可選的，所述通過所述任務(wù)網(wǎng)絡(luò)所對(duì)應(yīng)的屬性以及主動(dòng)學(xué)習(xí)方法，選取所述圖像樣本池中的圖像樣本進(jìn)行標(biāo)注，得到標(biāo)注樣本集，包括：

根據(jù)所述任務(wù)網(wǎng)絡(luò)所對(duì)應(yīng)的屬性，通過主動(dòng)學(xué)習(xí)方法選取對(duì)應(yīng)屬性的困難圖像樣本，得到所有屬性對(duì)應(yīng)的樣本子集；

計(jì)算得到所述所有屬性對(duì)應(yīng)的樣本子集的交集；

將所述交集對(duì)應(yīng)的困難圖像樣本進(jìn)行標(biāo)注，得到標(biāo)注數(shù)據(jù)集。

可選的，所述通過所述任務(wù)網(wǎng)絡(luò)所對(duì)應(yīng)的屬性以及主動(dòng)學(xué)習(xí)方法，選取所述圖像樣本池中的圖像樣本進(jìn)行標(biāo)注，得到標(biāo)注樣本集，包括：

計(jì)算所述圖像樣本池中的各個(gè)圖像樣本在所述各個(gè)所述任務(wù)網(wǎng)絡(luò)的難易程度；

獲取每個(gè)任務(wù)網(wǎng)絡(luò)的困難度權(quán)值；