[发明专利]一种用于对目标对象的属性特征进行识别的方法及装置在审
| 申请号： | 201811003925.6 | 申请日： | 2018-08-30 |
| 公开（公告）号： | CN109359515A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 邹博;李昕;冯莹莹;潘自兴;孙登蕊 | 申请（专利权）人： | 东软集团股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 北京工信联合知识产权代理有限公司 11266 | 代理人： | 郭一斐 |
| 地址： | 110179 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于对目标对象的属性特征进行识别的方法、装置、系统以及计算机程序产品，其中方法包括：将所获取的包含不同属性特征标签的图像数据集作为深度卷积神经网络的训练数据；使用所述训练数据对所述深度卷积神经网络进行训练；在对所述深度卷积神经网络进行训练的过程中，根据所述训练数据的多个属性特征的正样本和负样本的比值来动态调整所述损失函数；以及对待检测的视频流数据进行解码和图像选取，使用经过训练的深度卷积神经网络对所述待识别的目标对象的属性特征进行识别，输出所述待识别的目标对象的多个属性特征。 | ||
| 搜索关键词： | 卷积神经网络 目标对象 属性特征 训练数据 多个属性 计算机程序产品 视频流数据 图像数据集 动态调整 损失函数 图像选取 解码 负样本 正样本 标签 输出 检测 | ||
【主权项】：
1.一种用于对目标对象的属性特征进行识别的方法，其特征在于，包括：将所获取的包含不同属性特征标签的图像数据集作为深度卷积神经网络的训练数据；使用所述训练数据对所述深度卷积神经网络进行训练，根据所述训练数据的多个属性特征的正样本和负样本的比值来动态调整所述损失函数，使得所述训练数据的多个属性特征的损失函数的加权和达到最小化状态或收敛状态；获得包括待识别的目标对象的图像数据，使用经过训练的深度卷积神经网络对所述待识别的目标对象的属性特征进行识别，输出所述待识别的目标对象的多个属性特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东软集团股份有限公司，未经东软集团股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811003925.6/，转载请声明来源钻瓜专利网。
