[发明专利]社交关系识别模型的训练方法、识别方法及相关设备

说明书

本发明涉及图像关系识别技术领域，提供一种社交关系识别模型的训练方法、识别方法及相关设备，社交关系识别模型的训练方法包括：基于训练图像中两个样本人员之间关系的先验距离，通过预设的第一训练集对第一网络模型进行自监督训练，得到第二网络模型；将所述第二网络模型的全连接层进行调整以适应社交关系的识别分类，得到第三网络模型；通过预设的第二训练集对所述第三网络模型进行调整训练，得到目标网络模型。本发明能够减少有标签数据的使用，并训练得到的目标网络模型对社交关系识别的准确率更高。

技术领域

本发明涉及图像关系识别技术领域，尤其涉及一种社交关系识别模型的训练方法、识别方法及相关设备。

背景技术

社交关系(Social relation，SR)是人类社会的基础，所以掌握整个社会的社交关系无论对于国家治理还是科学研究而言都是极为重要的。识别图像中人与人之间的社会关系可以使智能体更好地了解人类的行为或情感。基于图像的社会关系识别的任务是将图像中的一对人分类为预定义的关系类型之一，例如：朋友，家人等。它具有许多重要的应用，例如：个人图像收集挖掘和社交事件理解。

在过去的十年中，基于图像的社会学分析一直是热门话题。不同的是，近年来，随着大规模数据集的发布，对基于图像的社会关系识别吸引了研究人员。从传统的手工特征到最近的基于深度学习的算法，方法的性能均取得了显着改善。然而，从图像中识别社会关系仍然是一个不容忽视的问题，它面临着一些挑战。首先，视觉特征和社会关系之间存在很大的领域鸿沟。其次，不管是基于手工特征还是基于深度学习的方法，都需要一定的监督信息，而社会关系类型的标签获得是一个十分困难的事情，在过去的工作中，所提出的两个公开数据集PIPA和PISC都是小规模的数据集，且标注过程需要5个人独立完成，最终的标签是基于投票机制产生，这需要耗费太大量的标注人力，且基于深度学习的方法往往需要大量的数据，这增大了社交关系类型识别的应用难度。可见，基于视觉的社交关系识别任务中存在标签数据少且难收集以导致社交关系识别准确率低的问题。

发明内容

本发明实施例提供一种社交关系识别模型的训练方法，能够减少有标签数据的使用，提高社交关系识别的准确率。

第一方面，本发明实施例提供一种社交关系识别模型的训练方法，包括：

基于训练图像中两个样本人员之间关系的先验距离，通过预设的第一训练集对第一网络模型进行自监督训练，得到第二网络模型；

将所述第二网络模型的全连接层进行调整以适应社交关系识别分类，得到第三网络模型；

通过预设的第二训练集对所述第三网络模型进行调整训练，得到目标网络模型。

第二方面，本发明实施例还提供一种社交关系识别方法，包括以下步骤：

获取待识别图像，所述待识别图像包括第一目标人员与第二目标人员；

通过上述任一实施例中训练得到的目标网络模型对所述待识别图像中的所述第一目标人员与所述第二目标人员进行社交关系识别。

第三方面，本发明实施例提供一种社交关系识别模型的训练装置，包括：

第一训练模块，用于基于训练图像中两个样本人员之间关系的先验距离，通过预设的第一训练集对第一网络模型进行自监督训练，得到第二网络模型；

调整模块，用于将所述第二网络模型的全连接层进行调整以适应所述社交关系识别模型的训练分类，得到第三网络模型；

第二训练模块，用于通过预设的第二训练集对所述第三网络模型进行调整训练，得到目标网络模型。

第四方面，本发明实施例提供一种社交关系识别装置，包括：

获取模块，用于获取待识别图像，所述待识别图像包括第一目标人员与第二目标人员；