[发明专利]属性类别的获取方法及装置、存储介质、电子装置

权利要求书

1.一种属性类别的获取方法，其特征在于，包括：

提取输入图像中目标对象的不同属性特征对应的注意力掩码图，其中，所述注意力掩码图用于表示不同所述属性特征的权重；

根据所述属性特征的注意力掩码图获取所述属性特征的输入向量，其中，在第一属性特征与第二属性特征具有关联性的情况下，所述第一属性特征的输入向量与所述第二属性特征的输入向量具有关联性；

将所述属性特征的输入向量输入属性分类器，得到所述属性特征对应的属性类别。

2.根据权利要求1所述的方法，其特征在于，所述提取输入图像中目标对象的不同属性特征对应的注意力掩码图，包括：

提取所述目标对象的通用特征，得到全局三维特征向量，其中，所述通用特征包括所述目标对象的一个或多个所述属性特征；

根据所述全局三维特征向量，提取与所述属性特征对应的属性三维特征向量，并将所述属性三维特征向量转换为属性一维特征向量；

根据所述属性一维特征向量和目标三维特征向量生成所述属性特征对应的注意力掩码图，其中，所述目标三维特征向量为所述目标对象的属性特征中复杂度最高的属性特征对应的三维特征向量。

3.根据权利要求2所述的方法，其特征在于，在提取所述目标对象的通用特征，得到全局三维特征向量之前，所述方法还包括：

获取所述输入图像；

识别所述输入图像中所述目标对象所在区域；

调整所述输入图像的大小，其中，调整后的所述输入图像上包含所述目标对象。

4.根据权利要求2所述的方法，其特征在于，所述提取所述目标对象的通用特征，得到全局三维特征向量，包括：

使用骨干网络提取所述输入图像的通用特征，得到全局三维特征向量，其中，所述骨干网络至少包括以下之一：ResNet，GoogleNet。

5.根据权利要求2所述的方法，其特征在于，所述根据所述全局三维特征向量，提取与所述属性特征对应的属性三维特征向量，并将所述属性三维特征向量转换为属性一维特征向量，包括：

将所述全局三维特征向量输入3*3的卷积层，得到与所述属性特征对应的所述属性三维特征向量；

将所述属性三维特征向量输入全连接层，使用损失函数训练所述属性三维特征向量，得到所述属性一维特征向量。

6.根据权利要求2所述的方法，其特征在于，所述根据所述属性一维特征向量和目标三维特征向量生成所述属性特征对应的注意力掩码图，包括：

将属性特征提取模块中提取的一维特征向量和目标三维特征向量通过属性相关的注意力引导，得到注意力掩码图。

7.根据权利要求2所述的方法，其特征在于，所述根据所述属性特征的注意力掩码图获取所述属性特征的输入向量，包括：

根据所述属性特征的注意力掩码图与所述目标三维特征向量，获取所述属性特征的输入向量。

8.根据权利要求7所述的方法，其特征在于，所述根据所述属性特征的注意力掩码图获取所述属性特征的输入向量包括：

在第一属性特征与第二属性特征和第三属性特征具有关联性且所述第一属性特征复杂度高于所述第二属性特征和所述第三属性特征的情况下，通过以下公式获取所述第一属性特征的输入向量：

f_a2＝f_a1+αf_b2+βf_c2(f_a1,f_b2,f_c2∈R^d)

其中，f_a2表示所述第一属性特征的输入向量，f_a1表示所述第一属性特征的属性一维特征向量，f_b2表示所述第二属性特征的输入向量，f_c2表示所述第三属性特征的输入向量，R^d表示实数域的1×d维向量，α(α∈(0,1))为常量，表示所述第二属性特征与所述第一属性特征之间的相关系数，β(β∈(0,1))为常量，所述第三属性特征与所述第一属性特征之间的相关系数。