CN114511742A - 图像识别方法及装置、电子设备和介质 - Google Patents
图像识别方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114511742A CN114511742A CN202210107789.5A CN202210107789A CN114511742A CN 114511742 A CN114511742 A CN 114511742A CN 202210107789 A CN202210107789 A CN 202210107789A CN 114511742 A CN114511742 A CN 114511742A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- attribute
- parameters
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013528 artificial neural network Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 25
- 238000011176 pooling Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域。实现方案为：获取待识别图像的图像特征；基于图像特征确定待识别图像的全局平均池化特征；基于图像特征和预设的一组参数确定待识别图像的每一个特征向量所对应的特征注意力权重，其中一组参数是利用第一神经网络对样本图像进行属性识别训练得到的；以及基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性。
Description
技术领域
本公开涉及人工智能领域，尤其涉及计算机视觉和深度学习技术领域，具体涉及一种图像识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
图像识别技术是人工智能的一个重要领域，是通过计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。图像识别技术主要包括人体行为识别、人体属性识别、商品识别等诸多领域。目前大多数的人体属性识别技术都是基于分类模型针对单一的人体属性进行识别，不能很好地学习各分类任务之间的联系。
发明内容
本公开提供了一种图像识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种图像识别方法，包括：获取待识别图像的图像特征；基于图像特征确定待识别图像的全局平均池化特征；基于图像特征和预设的一组参数确定待识别图像的每一个特征向量所对应的特征注意力权重，其中一组参数是利用第一神经网络对样本图像进行属性识别训练得到的；以及基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性。
根据本公开的另一方面，提供了一种模型训练方法，包括：获取样本图像的图像特征以及样本图像相对应的属性标签；将图像特征分别输入一个或多个残差注意力网络，以获得与残差注意力网络一一对应的一个或多个第一属性值，其中，一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；根据所有第一属性值确定预测的样本图像的属性；以及基于预测的样本图像的属性以及属性标签，调整一个或多个残差注意力网络的参数。
根据本公开的另一方面，提供了一种图像识别装置，包括：获取单元，配置为获取待识别图像的图像特征；第一确定单元，配置为基于图像特征确定待识别图像的全局平均池化特征；第二确定单元，配置为基于图像特征和预设的一组参数确定待识别图像的每一个特征向量所对应的特征注意力权重，其中一组参数是利用神经网络对样本图像进行属性识别训练得到的；以及第三确定单元，配置为基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性。
根据本公开的另一方面，提供了一种模型训练装置，包括：获取单元，配置为获取样本图像的图像特征以及样本图像相对应的属性标签；第一确定单元，配置为将图像特征分别输入一个或多个残差注意力网络，以获得与残差注意力网络一一对应的一个或多个第一属性值，其中，一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；第二确定单元，配置为根据所有第一属性值确定预测的样本图像的属性；以及训练单元，配置为基于预测得到的样本图像的属性以及属性标签，调整一个或多个残差注意力网络的参数。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行图像识别方法或模型训练方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行图像识别方法或模型训练方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现图像识别方法或模型训练方法。
根据本公开的一个或多个实施例，在全局平均池化特征的基础上引入特征注意力机制，来学习特征之间的联系，从而更好的获取人体特征，提升人体属性的识别效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
图2示出了根据本公开的实施例的图像识别方法的流程图；
图3示出了根据本公开的实施例的确定待识别图像的属性的流程图；
图4示出了根据本公开的实施例的模型训练方法的流程图；
图5示出了根据本公开的实施例的图像识别装置的结构框图；
图6示出了根据本公开的实施例的模型训练装置的结构框图；以及
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中，服务器120可以运行使得能够执行图像识别方法或模型训练方法的一个或多个服务或软件应用。
在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取并输入待识别图像的图像特征。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
目前，人体属性识别大多是利用一个卷积神经网络来做图像特征的提取，之后再连接一系列全连接层对图像特征进行分类，从而识别图中人体属性。通常的分类模型不能利用起各类任务之间的联系、不能很好的学习各类属性之间的差异。
因此，根据本公开的实施例，提供了一种图像识别方法，如图2所示，包括：步骤S201、获取待识别图像的图像特征；步骤S202、基于图像特征确定待识别图像的全局平均池化特征；步骤S203、基于图像特征和预设的一组参数确定待识别图像的每一个特征向量所对应的特征注意力权重，其中一组参数是利用第一神经网络对样本图像进行属性识别训练得到的；以及步骤S204、基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性。
根据本公开实施例的图像识别方法，在全局平均池化特征的基础上引入特征注意力机制，来学习特征之间的联系，从而更好的获取人体特征，提升人体属性的识别效果。
根据一些实施例，待识别图像可以包括人体图像，并且所识别的图像属性可以包括人体属性。对人体属性的识别可以包括识别人体性别、肤色、发型、衣着等不同任务。一般各人体属性识别任务间是相互独立的，因此识别过程中很难应用到不同属性间的联系。例如，男性的下身衣着一般为长裤或短裤，为长裙或短裙的概率很小，因此，如果在识别人体的性别时，将人体下身衣着与性别的关联利用起来，将可以进一步提高对性别这一人体属性识别的准确性。
根据一些实施例，获取待识别图像的图像特征包括：将待识别图像输入卷积神经网络，以获得图像特征。所述卷积神经网络可以包括但不限于ResNet、MobileNet、ShuffleNet、DenseNet等。可以理解的，本领域技术人员可以自行选择用于提取图像特征的神经网络，在此不作限定。
经过卷积神经网络所获得的图像特征为一个h×w×c的特征矩阵。示例地，一般在人体属性中h和w都是7，即人体属性特征矩阵一般由7×7个c维的特征向量组成。例如，若将人体图像特征矩阵表示为X，则X由49个c维的特征向量xk组成，其中，k∈[1,49]，也即人体图像特征矩阵可以表示为X(x1,x2,…xk,…x49)。
根据一些实施例，通过将上述图像特征分别输入到多个第一神经网络中，并分别获得其相应的输出得分，再将上述多个输出得分求和，从而获得各属性的最终得分，根据该最终得分即可获得图像属性识别结果。
根据一些实施例，上述多个第一神经网络中的每一个都包括相应的一组参数，其中该一组参数可以包含一个或多个参数值。将第一神经网络的个数设为H，一般来说，H越大图像属性识别的效果越好，但是同时也会相应的带来计算量的增大。因此，对于H的选择，本领域技术人员可以通过平衡效果与性能，自行选择一个合适的H，在此不作限定。
将第i个第一神经网络对应的一组参数值设为mi，其中，i∈[1,H]。则第i个第一神经网络中第k个特征向量所对应的特征注意力权重可由以下公式计算获得：
其中，T为一个预设常数，xk和xl分别为所述待识别图像的第k和第l个特征向量，
为xk的转置矩阵；N为所述待识别图像的特征向量的个数。
根据一些实施例，第一预设常数T的个数与第一神经网络的个数相同，并且其中，至少一个所述第一预设常数T包括无穷大值。
由此，通过对T取无穷大值，引入全局最大池化特征，从而可以更好地学习不同任务和不同属性之间的特征的联系。
根据一些示例性实施例，当第一神经网络个数H＝2时，两个第一神经网络的第一预设常数值可以分别为：T1＝1，T2＝∞。
根据一些示例性实施例，当第一神经网络个数H＝4时，两个第一神经网络的第一预设常数值可以分别为：T1:3＝1,2,4，T4＝∞。
根据一些示例性实施例，当第一神经网络个数H＝6时，两个第一神经网络的第一预设常数值可以分别为：T1:5＝1,2,3,4,5，T6＝∞。
根据一些示例性实施例，当第一神经网络个数H＝2时，两个第一神经网络的第一预设常数值可以分别为：T1:7＝1,2,3,4,5,6,7，T8＝∞。
可以理解的，本领域技术人员可以自行设置H的取值以及相对应的T的取值，在此不作限定。
根据一些实施例，如图3所示，基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性包括：步骤S301、基于全局平均池化特征、每一组所述一组参数、相对应的第一预设常数所对应的特征注意力权重，确定第一属性值；以及步骤S302、基于所有第一属性值确定待识别图像的属性。
其中，所述全局平均池化特征通过对图像特征矩阵进行全局平均池化获得。例如，对于一个h×w×c的图像特征矩阵X进行全局平均池化，以获得一个1×1×c的全局平均池化特征向量。
上述第一属性值表示将图像特征输入到第一神经网络后，所输出的相应的输出得分。将多个第一属性值求和，从而获得各属性的最终得分，根据该最终得分即可获得图像属性识别结果。
根据一些实施例，第i个第一神经网络所对应的第一属性值可以通过以下公式计算获得：
其中，λ为第二预设常数，g为所述全局平均池化特征。对于不同的第二预设常数λ，图像属性识别的效果不同。可以理解的，本领域技术人员可以通过实验自行确定一个合适的λ取值(例如可以取1)，在此不作限定。
根据一些实施例，如图4所示，提供了一种模型训练方法，包括：步骤S401、获取样本图像的图像特征以及样本图像相对应的属性标签；步骤S402、将图像特征分别输入一个或多个残差注意力网络，以获得与残差注意力网络一一对应的一个或多个第一属性值，其中，一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；步骤S403、根据所有第一属性值确定预测的样本图像的属性；以及步骤S404、基于预测的样本图像的属性以及属性标签，调整一个或多个残差注意力网络的参数。
根据一些实施例，样本图像可以包括人体图像，样本图像的属性可以包括人体属性。
根据一些实施例，获取样本图像的图像特征包括：将待识别图像输入卷积神经网络，以获得图像特征。所述卷积神经网络可以包括ResNet、MobileNet、ShuffleNet、DenseNet等，可以理解的，本领域技术人员可以自行选择用于提取图像特征的神经网络，在此不作限定。
根据一些实施例，第i个残差注意力网络所对应的第一属性值可以通过以下公式计算获得：
其中，mi为第i个残差注意力网络的参数；g为所述样本图像的全局平均池化特征；xk为所述样本图像的第k个特征向量，所述样本图像包括N个特征向量；
为第i个残差注意力网络中的第k个特征向量所对应的特征注意力矩阵；λ为第一预设常数。可以理解的，本领域技术人员可以通过实验自行确定一个合适的λ取值，在此不作限定。
根据一些实施例，其中，第i个残差注意力网络中的第k个特征向量所对应的特征注意力矩阵
可以通过以下公式计算获得：
其中，T为第二预设常数；xk和xl分别为所述样本图像的第k和第l个特征向量。可以理解的，本领域技术人员可以自行设置T的取值，在此不作限定。
通过上述方式，获得与残差注意力网络一一对应的一个或多个第一属性值，该第一属性值表示各图像属性的输出得分，将所有通过残差注意力网络得到的第一属性值进行求和，所得即为各图像属性的最终得分，通过该最终得分即可获得图像属性识别结果。
根据一些实施例，如图5所示，本公开还提供了一种模型训练装置500，包括：获取单元510，配置为获取待识别图像的图像特征；第一确定单元520，配置为基于图像特征确定待识别图像的全局平均池化特征；第二确定单元530，配置为基于图像特征和预设的一组参数确定待识别图像的每一个特征向量所对应的特征注意力权重，其中一组参数是利用神经网络对样本图像进行属性识别训练得到的；以及第三确定单元540，配置为基于全局平均池化特征、一组参数以及特征注意力权重确定待识别图像的属性。
这里，模型训练装置500的上述各单元510～540的操作分别与前面描述的步骤201～204的操作类似，在此不再赘述。
根据一些实施例，如图6所示，本公开还提供了一种模型训练装置600，包括：获取单元610，配置为获取样本图像的图像特征以及样本图像相对应的属性标签；第一确定单元620，配置为将图像特征分别输入一个或多个残差注意力网络，以获得与残差注意力网络一一对应的一个或多个第一属性值，其中，一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；第二确定单元630，配置为根据所有第一属性值确定预测的样本图像的属性；以及训练单元640，配置为基于预测得到的样本图像的属性以及属性标签，调整一个或多个残差注意力网络的参数。
这里，模型训练装置600的上述各单元610～640的操作分别与前面描述的步骤401～404的操作类似，在此不再赘述。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如图像识别方法或模型训练方法。例如，在一些实施例中，图像识别方法或模型训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的图像识别方法或模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像识别方法或模型训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (17)
1.一种图像识别方法，包括：
获取待识别图像的图像特征；
基于所述图像特征确定所述待识别图像的全局平均池化特征；
基于所述图像特征和预设的一组参数确定所述待识别图像的每一个特征向量所对应的特征注意力权重，其中所述一组参数是利用第一神经网络对样本图像进行属性识别训练得到的；以及
基于所述全局平均池化特征、所述一组参数以及所述特征注意力权重确定所述待识别图像的属性。
2.如权利要求1所述的方法，其中，获取待识别图像的图像特征包括：将所述待识别图像输入卷积神经网络，以获得所述图像特征。
3.如权利要求1所述的方法，其中，所述第一神经网络的个数为多个，每一个所述第一神经网络包括相对应的所述一组参数，其中，
基于以下公式确定第i个第一神经网络中第k个特征向量所对应的特征注意力权重：
其中，T为第一预设常数，xk和xl分别为所述待识别图像的第k和第l个特征向量，mi为第i个第一神经网络所对应的一组参数值，N为所述待识别图像的特征向量的个数。
4.如权利要求3所述的方法，其中，所述第一预设常数T的个数与所述第一神经网络的个数相同，并且其中，至少一个所述第一预设常数T包括无穷大值。
5.如权利要求4所述的方法，其中，基于所述全局平均池化特征、所述一组参数以及所述特征注意力权重确定所述待识别图像的属性包括：
基于所述全局平均池化特征、每一组所述一组参数、相对应的第一预设常数T所对应的所述特征注意力权重，确定第一属性值；以及
基于所有所述第一属性值确定所述待识别图像的属性。
6.如权利要求5中所述的方法，其中，基于以下公式确定第i个第一神经网络所对应的第一属性值：
其中，λ为第二预设常数，g为所述全局平均池化特征。
7.如权利要求1-6中任一项所述的方法，其中，所述待识别图像包括人体图像，所述待识别图像的属性包括人体属性。
8.一种模型训练方法，包括：
获取样本图像的图像特征以及所述样本图像相对应的属性标签；
将所述图像特征分别输入一个或多个残差注意力网络，以获得与所述残差注意力网络一一对应的一个或多个第一属性值，其中，所述一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且所述一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；
根据所有所述第一属性值确定预测的所述样本图像的属性；以及
基于预测的所述样本图像的属性以及所述属性标签，调整所述一个或多个残差注意力网络的参数。
9.如权利要求8所述的方法，其中，获取样本图像的图像特征包括：将所述样本图像输入卷积神经网络，以获得图像特征。
10.如权利要求8所述的方法，其中，基于以下公式获得第i个残差注意力网络所对应的第一属性值：
其中，mi为第i个残差注意力网络的参数；g为所述样本图像的全局平均池化特征；xk为所述样本图像的第k个特征向量，所述样本图像包括N个特征向量；
为第i个残差注意力网络所对应的特征注意力矩阵；λ为第一预设常数。
11.如权利要求10所述的方法，其中，基于以下公式确定所述第i个残差注意力网络中的第k个特征向量所对应的特征注意力权重：
其中，T为第二预设常数；xk和xl分别为所述样本图像的第k和第l个特征向量。
12.如权利要求8-11中任一项所述的方法，其中，所述样本图像包括人体图像，所述样本图像的属性包括人体属性。
13.一种图像识别装置，包括：
获取单元，配置为获取待识别图像的图像特征；
第一确定单元，配置为基于所述图像特征确定所述待识别图像的全局平均池化特征；
第二确定单元，配置为基于所述图像特征和预设的一组参数确定所述待识别图像的每一个特征向量所对应的特征注意力权重，其中所述一组参数是利用神经网络对样本图像进行属性识别训练得到的；以及
第三确定单元，配置为基于所述全局平均池化特征、所述一组参数以及所述特征注意力权重确定所述待识别图像的属性。
14.一种模型训练装置，包括：
获取单元，配置为获取样本图像的图像特征以及所述样本图像相对应的属性标签；
第一确定单元，配置为将所述图像特征分别输入一个或多个残差注意力网络，以获得与所述残差注意力网络一一对应的一个或多个第一属性值，其中，所述一个或多个第一属性值中的每一个基于全局平均池化特征确定，并且所述一个或多个第一属性值中的至少一个进一步基于全局最大池化特征确定；
第二确定单元，配置为根据所有所述第一属性值确定预测的所述样本图像的属性；以及
训练单元，配置为基于预测得到的所述样本图像的属性以及所述属性标签，调整所述一个或多个残差注意力网络的参数。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7或8-12中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7或8-12中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-7或8-12中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107789.5A CN114511742A (zh) | 2022-01-28 | 2022-01-28 | 图像识别方法及装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107789.5A CN114511742A (zh) | 2022-01-28 | 2022-01-28 | 图像识别方法及装置、电子设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114511742A true CN114511742A (zh) | 2022-05-17 |
Family
ID=81550884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210107789.5A Pending CN114511742A (zh) | 2022-01-28 | 2022-01-28 | 图像识别方法及装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511742A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281521A (zh) * | 2007-04-05 | 2008-10-08 | 中国科学院自动化研究所 | 一种基于多分类器融合的敏感网页过滤方法及系统 |
| CN108960189A (zh) * | 2018-07-20 | 2018-12-07 | 南京旷云科技有限公司 | 图像再识别方法、装置及电子设备 |
| US20210089807A1 (en) * | 2019-09-25 | 2021-03-25 | Samsung Electronics Co., Ltd. | System and method for boundary aware semantic segmentation |
| CN112667714A (zh) * | 2021-03-17 | 2021-04-16 | 腾讯科技（深圳）有限公司 | 基于深度学习的用户画像优化方法、装置及存储介质 |
| CN112767366A (zh) * | 2021-01-22 | 2021-05-07 | 南京汇川图像视觉技术有限公司 | 基于深度学习的图像识别方法、装置、设备及存储介质 |
| CN113656582A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 神经网络模型的训练方法、图像检索方法、设备和介质 |
-
2022
- 2022-01-28 CN CN202210107789.5A patent/CN114511742A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281521A (zh) * | 2007-04-05 | 2008-10-08 | 中国科学院自动化研究所 | 一种基于多分类器融合的敏感网页过滤方法及系统 |
| CN108960189A (zh) * | 2018-07-20 | 2018-12-07 | 南京旷云科技有限公司 | 图像再识别方法、装置及电子设备 |
| US20210089807A1 (en) * | 2019-09-25 | 2021-03-25 | Samsung Electronics Co., Ltd. | System and method for boundary aware semantic segmentation |
| CN112767366A (zh) * | 2021-01-22 | 2021-05-07 | 南京汇川图像视觉技术有限公司 | 基于深度学习的图像识别方法、装置、设备及存储介质 |
| CN112667714A (zh) * | 2021-03-17 | 2021-04-16 | 腾讯科技（深圳）有限公司 | 基于深度学习的用户画像优化方法、装置及存储介质 |
| CN113656582A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 神经网络模型的训练方法、图像检索方法、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114648638B (zh) | 语义分割模型的训练方法、语义分割方法与装置 | |
| CN113807440B (zh) | 利用神经网络处理多模态数据的方法、设备和介质 | |
| CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
| CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
| CN112749758A (zh) | 图像处理方法、神经网络的训练方法、装置、设备和介质 | |
| CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN114791982B (zh) | 对象推荐方法和装置 | |
| CN116306862B (zh) | 用于文本处理神经网络的训练方法、装置和介质 | |
| CN114004985A (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
| CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
| CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
| CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
| CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
| CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
| CN114693977A (zh) | 图像处理方法、模型训练方法、装置、设备及介质 | |
| CN114443896A (zh) | 数据处理方法和用于训练预测模型的方法 | |
| CN114511742A (zh) | 图像识别方法及装置、电子设备和介质 | |
| CN114118379B (zh) | 神经网络的训练方法、图像处理方法、装置、设备和介质 | |
| CN114117046B (zh) | 数据处理方法、装置、电子设备及介质 | |
| CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
| CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
| CN114120420B (zh) | 图像检测方法和装置 | |
| CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
| CN117218499B (zh) | 面部表情捕捉模型的训练方法、面部表情驱动方法和装置 | |
| CN114219079A (zh) | 特征选择方法及装置、模型训练方法及装置、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |