图像识别方法、装置、计算机设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111178128A(43)申请公布日2020.05.19(21)申请号201911158025.3(22)申请日2019.11.22(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人舒彧(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人乔改利(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书12页附图7页(54)发明名称图像识别方法、装置、计算机设备和存储介质(57)摘要本发明涉及一种图像识别方法、装置、计算机设备和存储介质。该方法通过对待识别图像进行属性识别，得到待识别图像中待识别目标的各部分的属性信息，再对待识别图像进行分类，得到分类结果；然后根据分类结果，从待识别目标的各部分的属性信息中确定待识别目标对应的属性识别结果。在上述方法中，由于分类结果指示的是待识别图像中包含的不完整的待识别目标的真实部分，由该分类结果指导输出的属性识别结果是对待识别目标的真实部分的属性信息，属于待识别图像中可见部分的属性信息，避免了传统的属性识别方法对于不完整的待识别目标的不可见部分的属性预测，从而提高了图像识别方法对于属性识别的准确性。CN111178128ACN111178128A权利要求书1/2页1.一种图像识别方法，其特征在于，所述方法包括：对待识别图像进行属性识别，得到所述待识别图像中待识别目标的各部分的属性信息，所述待识别目标包括目标物的至少一个部分；对所述待识别图像进行分类，得到分类结果，所述分类结果用于指示所述待识别图像中包含的所述待识别目标的类型；根据所述分类结果，从所述待识别目标的各部分的属性信息中确定所述待识别目标对应的属性识别结果。2.根据权利要求1所述的方法，其特征在于，所述对待识别图像进行属性识别，得到所述待识别图像中待识别目标的各部分的属性信息，包括:采用预设的属性识别模型，对所述待识别图像进行属性识别，得到所述待识别图像中待识别目标的各部分的属性信息。3.根据权利要求2所述的方法，其特征在于，所述属性识别模型包括至少两个属性识别子模型，不同的所述属性识别子模型分别用于对所述待识别目标的不同部分进行属性识别。4.根据权利要求3所述的方法，其特征在于，每个所述属性识别子模型包括至少一个属性识别单元；不同的所述属性识别单元分别用于识别所述待识别目标的同一部分的不同属性。5.根据权利要求2-4任一项所述的方法，其特征在于，所述对所述待识别图像进行分类，得到分类结果，包括：采用预设的分类模型，获取所述待识别图像中的所述待识别目标与所述目标物的对应关系；当所述待识别目标与所述目标物的目标部分对应时，将所述目标部分的类型确定为所述分类结果。6.根据权利要求5所述的方法，其特征在于，所述根据所述分类结果，从所述待识别目标的各部分的属性信息中确定所述待识别目标对应的属性识别结果，包括：根据所述分类结果指示的目标部分的类型，将所述待识别目标的各部分的属性信息中所述目标部分对应的属性信息确定为所述待识别目标对应的属性识别结果。7.根据权利要求6所述的方法，其特征在于，所述根据所述分类结果指示的目标部分的类型，将所述待识别目标的各部分的属性信息中所述目标部分对应的属性信息确定为所述待识别目标对应的属性识别结果，包括：当所述目标部分的类型为上半部分类型时，将所述待识别目标的各部分的属性信息中所述待识别目标的上半部分对应的属性信息，确定为所述待识别目标对应的属性识别结果；当所述目标部分的类型为下半部分类型时，将所述待识别目标的各部分的属性信息中所述待识别目标的下半部分对应的属性信息，确定为所述待识别目标对应的属性识别结果；当所述目标部分的类型为全部类型时，将所述待识别目标的各部分的属性信息中的所述待识别目标的上半部分对应的属性信息和下半部分对应的属性信息确定为所述待识别目标对应的属性识别结果。2CN111178128A权利要求书2/2页8.根据权利要求5所述的方法，其特征在于，所述方法还包括联合训练所述属性识别模型和分类模型，所述联合训练的方法包括：获取样本图像和标签图像；所述样本图像同时包括完整的待识别目标的图像和不完整的待识别目标的图像；所述标签图像中区别标记出待识别目标的可见部分和不可见部分；采用初始属性识别模型，对所述样本图像进行属性识别，得到属性预测结果，并根据所述属性预测结果和所述标签图像得到训练所述初始属性识别模型对应的第一损失函数；采用初始分类模型，对所述样本图像进行分类，得到分类预测结果，并根据所述分类预测结果和所述标签图像得到训练所述初始分类模型对应的第二损失函数；根据所述第一损失函数和所述第