[发明专利]多任务属性的图像识别方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种多任务属性的图像识别方法、装置、电子设备及存储介质，所述方法包括：获取需要输入到目标识别网络的待识别图像，其中，所述目标识别网络为通过主动学习方法得到的样本数据对多任务属性识别网络进行训练得到，所述目标识别网络包括用于抽取公共图像特征的共享网络，以及用于抽取任务图像特征的多个任务网络；将所述待识别图像输入到所述共享网络进行图像特征抽取，得到所述待识别图像的公共图像特征；将所述公共图像特征输入到所述任务网络进行任务特征抽取，得到所述待识别图像的任务图像特征；基于所述任务图像特征进行任务结果分类，得到属性识别结果。节省时间与计算开销，加快模型运算速度，降低了多属性识别的费效比。

技术领域

本发明涉及人工智能领域，尤其涉及一种多任务属性的图像识别方法、装置、电子设备及存储介质。

背景技术

随着对人工智能的深入研究，图像识别技术不断落地。在图像识别技术中，用户建立一个初始图像识别网络，然后通过标注好的数据集不断训练该初始图像识别网络，使该初始图像识别网络对图像的分类结果越来越接近标注好的数据结果，从而得到对应的图像识别网络。在图像识别网络中，通常一个识别任务作为一个模型进行图像识别，这样，在需要进行多属性识别时，则需要对单独的属性设计网络以及准备单独的训练数据，从而导致模型数据量多，参数计算时间长、计算开销大以及训练过程麻烦。因此，现有的图像识别技术中，由于多属性识别通过多个识别网络进行，使得多属性识别需要对应训练多个识别网络，进而多个训练数据集，花费较高，收效较低，因此存在费效比较高的问题。

发明内容

本发明实施例提供一种多任务属性的图像识别方法，能够降低多属性识别时，识别网络的费效比。

第一方面，本发明实施例提供一种多任务属性的图像识别方法，包括：

获取需要输入到目标识别网络的待识别图像，其中，所述目标识别网络为通过主动学习方法得到的样本数据对多任务属性识别网络进行训练得到，所述目标识别网络包括用于抽取公共图像特征的共享网络，以及用于抽取任务图像特征的多个任务网络；

将所述待识别图像输入到所述共享网络进行图像特征抽取，得到所述待识别图像的公共图像特征；

将所述公共图像特征输入到所述任务网络进行任务特征抽取，得到所述待识别图像的任务图像特征；

基于所述任务图像特征进行任务结果分类，得到属性识别结果。

可选的，获取需要输入到目标识别网络的待识别图像之前，所述方法还包括：

获取未标注的图像样本池，所述图像样本池中的图像样本与所述待识别图像的类型相同；

通过所述任务网络所对应的属性以及主动学习方法，选取所述图像样本池中的图像样本进行标注，得到标注样本集；

基于所述标注样本集对所述多任务属性识别网络进行训练。

可选的，所述通过所述任务网络所对应的属性以及主动学习方法，选取所述图像样本池中的图像样本进行标注，得到标注样本集，包括：

根据所述任务网络所对应的属性，通过主动学习方法选取对应属性的困难图像样本，得到所有属性对应的样本子集；

计算得到所述所有属性对应的样本子集的交集；

将所述交集对应的困难图像样本进行标注，得到标注数据集。

可选的，所述通过所述任务网络所对应的属性以及主动学习方法，选取所述图像样本池中的图像样本进行标注，得到标注样本集，包括：

计算所述图像样本池中的各个图像样本在所述各个所述任务网络的难易程度；

获取每个任务网络的困难度权值；