(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211196001.9 (22)申请日 2022.09.29 (71)申请人 深圳爱莫 科技有限公司 地址 518055 广东省深圳市南 山区西丽 街 道西丽社区打石一路深圳国际创新谷 2栋A座23 04 (72)发明人 龙涛　杨恒　阮仕海　李汶松　 (74)专利代理 机构 深圳砾智知识产权代理事务 所(普通合伙) 44722 专利代理师 张合成 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06N 3/08(2006.01) (54)发明名称 人体属性识别模型训练方法、 识别方法、 装 置及设备 (57)摘要 本发明公开了一种人体属性识别模型训练 方法、 识别方法、 装置及设备， 涉及图像识别技术 领域， 解决了现有人体属性识别模 型在训练过程 中限制数据集的属性集必须与模型的属性集对 齐的技术问题。 该模型训练方法包括： 针对任一 数据集， 将其属性集与模型属性集进行解耦， 分 别配置数据集与属性集的映射； 多个数据集的属 性集并集得到属性合集， 构建多个属性识别器和 初始识别模 型； 初始识别模型对多个数据集进行 迭代训练， 识别模型满足训练约束条件时， 确定 为人体属性识别模型； 其中， 输入初始识别模型 的数据集数据， 只在其映射的属性集对应的属性 识别器中进行训练和识别。 本发 明能够同时使用 多种包含不同属性集的数据集进行人体属性识 别模型训练。 权利要求书2页 说明书7页 附图2页 CN 115294611 A 2022.11.04 CN 115294611 A 1.一种人体属性识别模型训练方法， 其特 征在于， 包括 步骤： S100： 针对任一数据集， 将其属性集与模型属性集进行解耦， 分别配置所述数据集与所 述属性集的映射； S200： 将多个所述数据集的属性集进行并集后得到属性合集， 针对所述属性合集构建 多个属性识别器和初始 识别模型； S300： 所述初始识别模型对多个所述数据集的数据进行迭代训练， 直到迭代的识别模 型满足训练约束条件时， 将满足所述训练约束条件时的识别模型确定为人体属性识别模 型； 其中， 输入所述初始识别模型的所述数据集的数据， 只在其映射的所述属性集对应的 属性识别器中进行训练和识别。 2.根据权利要求1所述的一种人体属性识别模型训练方法， 其特征在于，  所述数据集 均为异构数据集。 3.根据权利要求1所述的一种人体属性识别模型训练方法， 其特征在于，  所述S300步 骤中， 所述初始 识别模型对多个所述数据集的数据进行迭代训练的具体流 程为： S310： 从所有所述数据集的数据中批次提取训练样本， 每个批次包括N个所述训练样 本， 所述训练样本均包括人体样本图像和真实标签； S320： 将一个批次的所述训练样本送入所述初始识别模型中进行训练， 所述属性识别 器对所述训练样本进行属 性识别， 得到M个属 性分类， 每个所述属 性分类均包括N个属 性输 出； S330： 将所述属性输出根据不同所述训练样本进行分组， 得到N个属性分组； 其 中， 每个 所述训练样本在分组过程中根据其所属的所述数据集分别进行细粒度配置； S340： 针对每一所述属性分组， 在所述属性输出中提取其对应属性， 将所述对应属性、 真实标签送入损失函数中计算损失； S350： 将所述损失进行梯度回传， 更新所述初始 识别模型的参数， 得到识别模型； S360： 判断所述识别模型是否达到所述训练约束条件； 若否， 返回S320步骤； 若是， 结束 训练。 4.根据权利要求1所述的一种人体属性识别 模型训练方法， 其特征在于， 所述S300步骤 中， 所述初始 识别模型对多个所述数据集的数据进行迭代训练之前， 还 包括： 针对任一所述数据集， 所述初始识别模型为其映射的所述属性集中的任一属性， 分别 配置其训练所需的组件； 所述组件 包括属性名、 损失函数和优化器。 5.根据权利要求1所述的一种人体属性识别模型训练方法， 其特征在于， 所述训练约束 条件为： 最大循环次数L和精度阈值T； 循环次数达到所述最大循环次数L或所述初始识别模型的精度达到所述精度阈值T时， 所述初始 识别模型停止训练。 6.根据权利要求3所述的一种人体属性识别 模型训练方法， 其特征在于， 所述S320步骤 中， 所述属性识别器对所述训练样本进行属性识别之前， 还 包括： 所述初始识别 模型通过backbone网络对所述训练样本进行特征提取， 得到人体属性特 征； 所述属性识别器对所述人体属性特 征进行属性识别。权　利　要　求　书 1/2 页 2 CN 115294611 A 27.一种人体属性识别方法， 其特征在于， 所述人体属性识别方法应用了如权利要求1 ‑6 任一项所述的人体属性识别模型训练方法得到的所述人体属性识别模型， 包括： S10： 获取待识别人体图像； S20： 将所述待识别人体图像输入所述人体属性识别模型， 得 出输出结果； S30： 根据所述输出 结果得出识别结果； 其中， 所述输出 结果包括多个不同所述属性， 每 个所述属性均包括多个 类别概率。 8.根据权利要求7所述的一种人体属性识别方法， 其特征在于， 所述人体属性识别模型 包括一个特征处理层、 多个全连接层、 自适应参数调节函数层和损失函数层的人体属 性识 别网络； 所述特征 处理层对输入的所述待识别人体图像进行特征提取， 得到人体属性特征； 所述多个全连接层 对所述人体属性特征进 行识别， 得到所述待识别人体图像为多个所述属 性的多个所述类别概率； 所述自适应参数调节函数层用于在所述人体属性识别模型的训练 过程中更新所述人体属性识别网络的参数； 所述损失函数层用于计算所述人体属性识别网 络的损失。 9.一种人体属性识别处理装置， 其特征在于， 所述人体属性识别处理装置用于对权利 要求7‑8任一项所述的一种人体属性识别方法进行处 理， 包括： 获取模块， 用于获取 所述待识别人体图像； 识别模块， 用于将所述待识别人体图像输入所述人体属性识别模型， 得出所述输出结 果； 处理模块， 用于根据所述输出 结果得出所述识别结果。 10.一种人体属性识别处 理设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器， 用于存储一个或多个计算机程序， 一个或多个所述处理器用于执行所述存储 器存储的一个或多个计算机程序， 以使一个或多个所述处理器执行如权利要求1 ‑6任一项 所述的一种 人体属性识别模型训练方法、 如权利要求7 ‑8任一项所述的一种人体属 性识别 方法。权　利　要　求　书 2/2 页 3 CN 115294611 A 3