[发明专利]属性识别方法及装置、电子设备和存储介质

权利要求书

1.一种属性识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入神经网络，经由所述神经网络确定所述待识别图像中的目标对象的属性类别预测结果，其中，所述神经网络是预先根据损失函数训练得到的，所述损失函数包括第一损失函数，所述第一损失函数的值是根据多个图像样本的属性的特征确定的，所述多个图像样本根据属性类别标签和图像样本中目标对象的身份信息来选取；

所述多个图像样本包括第一图像样本、第二图像样本和第三图像样本，所述第一损失函数包括第一子损失函数，所述第一子损失函数的值是根据所述第一图像样本的第一属性的特征、所述第二图像样本的第一属性的特征和所述第三图像样本的第一属性的特征确定的，其中，所述第一图像样本为所述多个图像样本中的任一图像样本，所述第一属性为任一属性，所述第二图像样本与所述第一图像样本具有所述第一属性下相同的属性类别标签，且所述第二图像样本与所述第一图像样本中目标对象的身份信息不同，所述第三图像样本与所述第一图像样本具有所述第一属性下不同的属性类别标签，且所述第三图像样本与所述第一图像样本中目标对象的身份信息不同。

2.根据权利要求1所述的方法，其特征在于，

所述第二图像样本为与所述第一图像样本具有所述第一属性下相同的属性类别标签、且目标对象的身份信息与所述第一图像样本不同的图像样本中，所述第一属性的特征与所述第一图像样本的第一属性的特征之间的距离最远的图像样本；

和/或，

所述第三图像样本为与所述第一图像样本具有所述第一属性下不同的属性类别标签、且目标对象的身份信息与所述第一图像样本不同的图像样本中，所述第一属性的特征与所述第一图像样本的第一属性的特征之间的距离最近的图像样本。

3.根据权利要求1或2所述的方法，其特征在于，所述第一子损失函数的值是根据第一距离与第二距离之间的差值确定的，其中，所述第一距离为所述第一图像样本的第一属性的特征与所述第二图像样本的第一属性的特征之间的距离，所述第二距离为所述第一图像样本的第一属性的特征与所述第三图像样本的第一属性的特征之间的距离。

4.根据权利要求3所述的方法，其特征在于，所述第一子损失函数的值是根据所述第一距离与所述第二距离之间的差值，以及预设的第一参数确定的。

5.根据权利要求1或2所述的方法，其特征在于，所述多个图像样本包括第一图像样本、第四图像样本和第五图像样本，所述第一损失函数包括第二子损失函数，所述第二子损失函数的值是根据所述第一图像样本的第一属性的特征、所述第四图像样本的第一属性的特征和所述第五图像样本的第一属性的特征确定的，其中，所述第一图像样本为所述多个图像样本中的任一图像样本，所述第一属性为任一属性，所述第四图像样本与所述第一图像样本具有所述第一属性下相同的属性类别标签，且所述第四图像样本与所述第一图像样本中目标对象的身份信息相同，所述第五图像样本与所述第一图像样本具有所述第一属性下相同的属性类别标签，且所述第五图像样本与所述第一图像样本中目标对象的身份信息不同。

6.根据权利要求5所述的方法，其特征在于，

所述第四图像样本为与所述第一图像样本具有所述第一属性下相同的属性类别标签、且目标对象的身份信息与所述第一图像样本相同的图像样本中，所述第一属性的特征与所述第一图像样本的第一属性的特征之间的距离最远的图像样本；

和/或，

所述第五图像样本为与所述第一图像样本具有所述第一属性下相同的属性类别标签、且目标对象的身份信息与所述第一图像样本不同的图像样本中，所述第一属性的特征与所述第一图像样本的第一属性的特征之间的距离最近的图像样本。

7.根据权利要求5所述的方法，其特征在于，所述第二子损失函数的值是根据第三距离与第四距离之间的差值确定的，其中，所述第三距离为所述第一图像样本的第一属性的特征与所述第四图像样本的第一属性的特征之间的距离，所述第四距离为所述第一图像样本的第一属性的特征与所述第五图像样本的第一属性的特征之间的距离。