[发明专利]对象属性识别方法、装置、存储介质和电子装置

权利要求书

1.一种对象属性识别方法，其特征在于，包括：

获取待处理图像，其中，所述待处理图像中包含待处理对象；

基于训练后的属性识别模型，对所述待处理对象的至少两个对象属性进行识别，获得所述待处理对象的至少两个对象属性的属性识别结果；其中：

所述属性识别模型是基于历史属性关联特征和包含历史对象的历史图像进行训练得到的，所述历史属性关联特征是基于所述历史对象的至少两个对象属性的属性类别之间的关联关系确定的,所述属性类别用于指示对象的特征的类别；

在所述对所述待处理对象的至少两个对象属性进行识别之前，所述方法还包括：获取包含所述历史对象的历史图像，其中，所述历史图像中标注有所述历史对象的至少两个对象属性的属性类别；对所述历史对象的至少两个对象属性的属性类别进行关联特征提取，得到所述历史属性关联特征；以及，对所述历史图像进行属性特征提取，得到待处理图像特征；基于所述历史属性关联特征和所述待处理图像特征，对所述属性识别模型进行训练；

所述基于所述历史属性关联特征和所述待处理图像特征，对所述属性识别模型进行训练，包括：对所述历史属性关联特征和所述待处理图像特征进行加权求和，得到融合特征；基于所述融合特征与所述历史图像中所标注的历史对象的至少两个对象属性的属性类别之间的函数关系，对初始的所述属性识别模型进行训练，得到训练后的所述属性识别模型；

所述对所述历史属性关联特征和所述待处理图像特征进行加权求和，包括：对所述历史属性关联特征和所述待处理图像特征中相应元素计算加权和，其中，所述元素对应的权重是根据所述元素相对于所述历史对象的所述属性识别结果的影响程度确定的。

2.根据权利要求1所述的方法，其特征在于，所述基于所述融合特征与所述历史图像中所标注的历史对象的至少两个对象属性的属性类别之间的函数关系，对初始的所述属性识别模型进行训练，得到训练后的所述属性识别模型，包括：

基于所述函数关系与初始的所述属性识别模型对应的收敛条件，对初始的所述属性识别模型的目标模型参数进行调整，直至所述函数关系满足所述收敛条件，其中，初始的所述属性识别模型包括初始的关联属性提取层，初始的图像特征提取层，初始的特征融合层，所述关联属性提取层用于进行关联特征提取，所述图像特征提取层用于进行图像特征提取，所述特征融合层用于进行特征融合，所述目标模型参数至少包括所述图像特征提取层的模型参数；

至少将训练后的所述图像特征提取层确定为训练后的所述属性识别模型。

3.根据权利要求1所述的方法，其特征在于，对所述历史对象的至少两个对象属性的属性类别进行关联特征提取，得到所述历史属性关联特征；以及，对所述历史图像进行属性特征提取，得到待处理图像特征，包括：

将所述历史图像中所标注的历史对象的至少两个对象属性的属性类别输入初始的所述属性识别模型包括的初始的关联属性提取层，得到初始的所述关联属性提取层输出的数据作为所述历史属性关联特征；以及，

将所述历史图像输入初始的所述属性识别模型包括的初始的图像特征提取层，得到初始的所述图像特征提取层输出的数据作为所述待处理图像特征。

4.根据权利要求3所述的方法，其特征在于，所述将所述历史图像中所标注的历史对象的至少两个对象属性的属性类别输入初始的所述属性识别模型包括的初始的关联属性提取层，得到初始的所述关联属性提取层输出的数据作为所述历史属性关联特征，包括：

通过初始的所述关联属性提取层对所述历史图像中所标注的历史对象的至少两个对象属性的属性类别进行特征提取，得到历史属性特征；

通过初始的所述关联属性提取层建立所述历史属性特征之间的关联关系，得到所述历史属性关联特征。

5.根据权利要求4所述的方法，其特征在于，所述建立所述历史属性特征之间的关联关系，得到所述历史属性关联特征，包括：

构造目标因子分解机，其中，所述目标因子分解机中包括用于描述特征之间的交叉关系的多项式；

将所述历史属性特征输入所述目标因子分解机中，得到所述目标因子分解机输出的数据作为所述历史属性关联特征。