[发明专利]物体属性信息生成方法、装置、电子设备和介质在审

专利信息
申请号: 202210260314.X 申请日: 2022-03-16
公开(公告)号: CN114627311A 公开(公告)日: 2022-06-14
发明(设计)人: 刘弘也;苏驰;李凯;王育林 申请(专利权)人: 北京金山云网络技术有限公司
主分类号: G06V10/44 分类号: G06V10/44;G06K9/62;G06V10/764
代理公司: 北京唯智勤实知识产权代理事务所(普通合伙) 11557 代理人: 孙姣
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物体 属性 信息 生成 方法 装置 电子设备 介质
【权利要求书】:

1.一种物体属性信息生成方法,包括:

获取待属性识别的物体图像;

将所述物体图像输入至预先训练的至少一个物体关键区域定位网络中每个物体关键区域定位网络,以输出表征物体关键区域与所述物体图像之间映射关系的第一向量,得到第一向量集;

从所述物体图像中确定出待属性识别的、与所述第一向量集相对应的至少一个关键区域;

将所述物体图像和所述至少一个关键区域输入至预先训练的物体属性识别网络,以输出所述物体图像中目标物体的各个物体属性信息。

2.根据权利要求1所述的方法,其中,所述至少一个物体关键区域定位网络中的物体关键区域定位网络包括:第一特征提取网络和第一全连接层;以及

所述将所述物体图像输入至预先训练的至少一个物体关键区域定位网络中每个物体关键区域定位网络,以输出表征物体关键区域与所述物体图像之间映射关系的第一向量,包括:

将所述物体图像输入至所述物体关键区域定位网络包括的第一特征提取网络,以输出第二向量;

将所述第二向量输入至所述物体关键区域定位网络包括的第一全连接层,以输出所述第一向量。

3.根据权利要求2所述的方法,其中,所述第一特征提取网络包括多个串行连接的第一卷积网络;以及

所述将所述物体图像输入至所述物体关键区域定位网络包括的第一特征提取网络,以输出第二向量,包括:

将所述物体图像输入至多个串行连接的第一卷积网络,以输出所述第二向量。

4.根据权利要求3所述的方法,其中,所述物体属性识别网络包括:多个第二特征提取网络和多个第二全连接层;以及

所述将所述物体图像和所述至少一个关键区域输入至预先训练的物体属性识别网络,以输出所述物体图像中目标物体的各个物体属性信息,包括:

对于所述至少一个关键区域中的每个关键区域,执行生成步骤:

将所述关键区域输入所述物体属性识别网络中对应的第二特征提取网络,以输出第三向量;

将所述第三向量输入至所述物体属性识别网络中对应的第二全连接层,以输出第四向量。

5.根据权利要求4所述的方法,其中,所述物体属性识别网络还包括:第三全连接层;以及

所述将所述物体图像和所述至少一个关键区域输入至预先训练的物体属性识别网络,以输出所述物体图像中目标物体的各个物体属性信息,还包括:

将所述物体图像输入至所述物体属性识别网络中对应的第二特征提取网络,得到第五向量;

将所述第五向量和所得到的第四向量集进行向量拼接,得到拼接后向量;

将所述拼接后向量输入至所述第三全连接层,得到所述各个物体属性信息。

6.根据权利要求4所述的方法,其中,所述多个第二特征提取网络中第二特征提取网络包括多个串行连接的第二卷积网络;以及

所述将所述关键区域输入所述物体属性识别网络中对应的第二特征提取网络,以输出第三向量,包括:

将所述关键区域输入至所述物体属性识别网络中对应的多个串行连接的第二卷积网络,以输出所述第三向量。

7.根据权利要求6所述的方法,其中,所述第一卷积网络包括串行连接的第一卷积层和第一激活函数层,所述第二卷积网络包括串行连接的第二卷积层和第二激活函数层。

8.一种物体属性信息生成装置,包括:

获取单元,被配置成获取待属性识别的物体图像;

第一输入单元,被配置成将所述物体图像输入至预先训练的至少一个物体关键区域定位网络中每个物体关键区域定位网络,以输出表征物体关键区域与所述物体图像之间映射关系的第一向量,得到第一向量集;

确定单元,被配置成从所述物体图像中确定出待属性识别的、与所述第一向量集相对应的至少一个关键区域;

第二输入单元,被配置成将所述物体图像和所述至少一个关键区域输入至预先训练的物体属性识别网络,以输出所述物体图像中目标物体的各个物体属性信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金山云网络技术有限公司,未经北京金山云网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210260314.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top