[发明专利]图片属性预测方法、装置、电子设备和存储介质

说明书

本发明提供一种图片属性预测方法、装置、电子设备和存储介质，该方法包括确定待预测图像；将所述待预测图像输入多任务学习模型中，得到每个任务下所述待预测图像的属性预测值；所述多任务学习模型，基于样本数据集中的样本图像和多个任务下所述样本图像的属性标签进行训练获取；所述属性标签包括已标注的属性真实值和未标注的属性模拟值；所述属性模拟值，基于所述属性模拟值所属的任务对应的单任务学习模型，对所述样本图像进行属性预测获取。本发明实现在提高每一任务下的图片属性预测准确度的同时，可提高所有任务下的图片属性预测准确度，从而实现准确、可靠且可应用于不同任务学习下的图片属性预测。

技术领域

本发明涉及图片处理技术领域，尤其涉及一种图片属性预测方法、装置、电子设备和存储介质。

背景技术

在实际应用中，常常要对同一张图片的不同属性进行单任务预测。例如，在对图片中的人脸进行识别时需要单独建立人脸识别任务模型对图片中的人脸进行识别；在对图片中的用户年龄进行预测时需要单独建立年龄预测任务模型对图片中的用户年龄进行预测。

通过对每个属性单独建立单任务学习模型，不仅会带来较大的计算开销，也无法利用不同属性之间的关联性信息。

现有技术中通常利用多任务学习的方法，对所有属性通过单个多任务学习网络进行全部预测，可以节省大量的计算开销，并且利用任务间的关联信息提高模型的泛化效果。然而，由于标注成本问题，这些属性很难完整标记在同一数据集中的每一张图像上。大多数情况下，数据集中的每一图片只包含了部分属性的标注；而在这种情况下，获取的多任务学习模型难以对每一图片中所有的属性进行准确预测。

发明内容

本发明提供一种图片属性预测方法、装置、电子设备和存储介质，用以解决现有技术中在数据集中的每一图片仅包含部分属性的标注时，获取的多任务学习模型无法对每一图片中所有的属性进行准确预测的缺陷，实现提高图片中所有的属性预测的准确性。

本发明提供一种图片属性预测方法，包括：

确定待预测图像；

将所述待预测图像输入多任务学习模型中，得到每个任务下所述待预测图像的属性预测值；

所述多任务学习模型，基于样本数据集中的样本图像和多个任务下所述样本图像的属性标签进行训练获取；所述属性标签包括已标注的属性真实值和未标注的属性模拟值；

所述属性模拟值，基于所述属性模拟值所属的任务对应的单任务学习模型，对所述样本图像进行属性预测获取。

根据本发明提供的一种图片属性预测方法，在所述将所述待预测图像输入多任务学习模型中，得到每个任务下所述待预测图像的属性预测值之前，还包括：

确定所述样本图像对应的待处理任务；其中，所述待处理任务为所述多个任务中除所述样本图像的属性真实值所属的目标任务外的任务；

将所述样本图像输入所述待处理任务对应的单任务学习模型中，得到所述待处理任务下所述样本图像的属性模拟值；

其中，所述待处理任务对应的单任务学习模型，基于所述样本数据集中其他样本图像和所述待处理任务下所述其他样本图像的属性真实值进行训练获取；

根据所述待处理任务下所述样本图像的属性模拟值和所述目标任务下所述样本图像的属性真实值，得到多个任务下所述样本图像的完整的属性标签；

基于所述样本图像和多个任务下所述样本图像的属性标签，对所述多任务学习模型进行预训练；

基于所述样本图像和每个目标任务下所述样本图像的属性真实值，对预训练后的多任务学习模型进行再次训练。

根据本发明提供的一种图片属性预测方法，所述多任务学习模型包含共享模块和多个分支网络；其中，每个分支网络与每个任务一一对应；