[发明专利]用品识别方法、装置、电子设备及存储介质

权利要求书

1.一种用品识别方法，其特征在于，所述方法包括：

获取训练图片集，根据预构建的用品分类标签及用品穿戴级别标签，对所述训练图片集进行用品分类的标注及用品穿戴级别的标注，得到标注后的图片集；

以所述标注后的图片集为样本集，利用所述样本集及所述用品分类标签，对预构建的多目标识别模型进行分类训练直到所述分类训练的误差值满足第一预设条件；

根据所述用品分类标签及所述多目标识别模型构建多任务学习模型；

利用所述样本集、所述用品分类标签及所述用品穿戴级别标签，对所述多任务学习模型进行多任务训练直到所述多任务训练的误差值满足第二预设条件；

利用所述多任务学习模型对待识别图片进行用品分类及用品穿戴级别的识别，得到所述待识别图片的用品分类及用品的穿戴级别。

2.如权利要求1所述的用品识别方法，其特征在于，所述利用所述样本集及所述用品分类标签，对预构建的多目标识别模型进行分类训练直到所述分类训练的误差值满足第一预设条件，包括：

根据所述用品分类标签，对所述预构建的多目标识别模型进行参数初始化；

利用所述样本集对参数初始化后的所述多目标识别模型进行分类训练，得到所述样本集的分类特征集；

利用预测函数对所述分类特征集进行分类概率计算，得到所述样本集的分类结果；

利用预构建的第一损失函数，判断所述用品分类结果和所述样本集的用品分类真实标签之间的误差值是否满足第一预设条件；

若所述误差值不满足所述第一预设条件，则返回根据所述用品分类标签，对所述预构建的多目标识别模型进行参数初始化的步骤；

若所述误差值满足所述第一预设条件，则退出所述分类训练。

3.如权利要求1所述的用品识别方法，其特征在于，所述根据所述用品分类标签及所述多目标识别模型构建多任务学习模型，包括：

统计所述用品分类标签的数量；

根据所述用品分类标签的数量，在所述多目标识别模型中添加相同数量的网络分支，得到多任务学习模型。

4.如权利要求1所述的用品识别方法，其特征在于，所述利用所述样本集、所述用品分类标签及所述用品穿戴级别标签，对所述多任务学习模型进行多任务训练直到所述多任务训练的误差值满足第二预设条件，包括：

利用所述用品分类标签及所述用品穿戴级别标签，对所述多任务学习模型进行参数初始化；

利用所述样本集对参数初始化后的所述多任务学习模型进行多任务训练，得到所述样本集的分类特征集及用品穿戴特征集；

利用预测函数对所述样本集的分类特征集及用品穿戴特征集进行用品分类及穿戴级别概率计算，得到所述样本集的用品分类结果及穿戴级别结果；

利用预构建的第二损失函数，计算所述用品分类结果与所述样本集的用品分类真实标签之间的分类误差值和所述穿戴级别结果与所述样本集的用品穿戴级别真实标签之间的穿戴级别误差值；

判断所述分类误差值及所述穿戴级别误差值是否满足第二预设条件；

若所述分类误差值及所述穿戴级别误差值不满足所述第二预设条件，返回利用所述用品分类标签及所述用品穿戴级别标签，对所述多任务学习模型进行参数初始化的步骤；

若所述分类误差值及所述穿戴级别误差值满足所述第二预设条件，则退出所述多任务训练。

5.如权利要求1至4中任意一项所述的用品识别方法，其特征在于，所述利用所述多任务学习模型对待识别图片进行用品分类及用品穿戴级别的识别，包括：

利用所述多任务学习模型，对待识别图片进行用品分类特征提取及用品穿戴级别特征提取，得到所述待识别图片的用品分类特征及用品穿戴级别特征；

利用预测函数，对所述用品分类特征及用品穿戴级别特征进行用品分类及穿戴级别概率计算，得到所述样本集的用品分类及穿戴级别结果。

6.如权利要求5所述的用品识别方法，其特征在于，所述得到所述待识别图片的用品分类及用品的穿戴级别之后，还包括：

根据所述用品分类及所述用品的穿戴级别，匹配预构建的预警信息库，得到对应的预警信息；

将所述预警信息同步到预构建的消息发送模块。