[发明专利]用品识别方法、装置、电子设备及存储介质

说明书

本发明涉及图像分类技术，揭露了一种用品识别方法，包括：对训练图片集进行用品分类及穿戴级别的标注，得到标注后的样本集，利用所述样本集及预构建的用品分类标签，对预构建的多目标识别模型进行分类训练，完成所述分类训练后，利用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、所述预构建的用品分类标签和所述预构建的用品穿戴级别标签，对所述多任务学习模型进行多任务训练，完成所述多任务训练后，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。本发明还提出一种用品识别装置、电子设备及存储介质。本发明可以解决单任务目标识别模型的泛用性和鲁棒性较低的问题。

技术领域

本发明涉及图像分类技术领域，尤其涉及一种用品识别方法、装置、电子设备及计算机可读存储介质。

背景技术

基于图片或视频影像的目标识别技术在生产、生活中有着广泛的应用，例如，机场安全检测通道的人脸识别、危险用品识别，医院隔离区域对医护人员防护用品的识别。当前目标识别较多是基于深度学习的卷积神经网络，构建单任务训练模型，通过大量样本集对单任务训练模型进行目标识别训练，达到目标识别的效果，但是单任务的目标识别训练存在下述问题：

一方面，不能平衡待识别目标特征差异比较大或比较小的情况，例如，不同待识别目标的检测框大小差异比较大，例如，防护服和医用眼罩。不同待识别目标的检测框大小差异比较小，例如，规范的戴口罩和非规范的戴口罩。另一方面，通过单任务的目标识别训练获取的目标特征，不能直接应用到相关待识别目标的检测中，需要针对所述相关待识别目标构建新的训练模型。例如，对椅子进行单任务目标识别的模型，在对桌子的目标识别的应用中表现效果一般。因此单任务目标识别模型的泛用性和鲁棒性较低。

发明内容

本发明提供一种用品识别方法、装置及计算机可读存储介质，其主要目的在于。

为实现上述目的，本发明提供的一种用品识别方法，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。

可选地，所述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。

可选地，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：