[发明专利]对象属性检测、神经网络训练、区域检测方法和装置

说明书

本发明实施例提供了一种对象属性检测方法、装置和电子设备，一种神经网络训练方法、装置和电子设备，以及，一种区域检测方法、装置和电子设备。其中，对象属性检测方法包括：将待检图像输入到注意力Attention神经网络中进行区域检测，获得所述待检图像中与目标的对象属性相关联的至少一个局部区域；将所述待检图像和所述至少一个局部区域输入到属性分类神经网络中进行属性检测，获得所述待检图像的对象属性信息。通过本发明实施例，经过训练的Attention神经网络可以准确检测出图像中目标所在区域，针对该区域进行有针对性的属性检测，可以获得较为精确的目标的对象属性信息。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种对象属性检测方法、装置和电子设备，一种神经网络训练方法、装置和电子设备，以及，一种区域检测方法、装置和电子设备。

背景技术

卷积神经网络是用于计算机视觉和模式识别的一个重要的研究领域，它通过计算机仿照生物大脑思维启发进行类似人类对特定对象的信息处理。通过卷积神经网络，能够有效地进行对象检测和识别。随着互联网技术的发展，信息量的急剧增加，卷积神经网络被越来越广泛地应用于对象检测及识别领域，以从大量的信息中寻找出实际所需的信息。

经过训练的卷积神经网络虽然能够进行目标检测和识别，但目前还不能进行目标的属性的检测和识别。

发明内容

本发明实施例提供了一种对象属性检测方案、神经网络训练方案，以及，一种区域检测方案。

根据本发明实施例的第一方面，提供了一种对象属性检测方法，包括：将待检图像输入到注意力Attention神经网络中进行区域检测，获得所述待检图像中与目标的对象属性相关联的至少一个局部区域；将所述待检图像和所述至少一个局部区域输入到属性分类神经网络中进行属性检测，获得所述待检图像的对象属性信息。

根据本发明实施例的第二方面，提供了一种神经网络训练方法，包括：将训练样本图像输入到注意力Attention神经网络中进行区域训练，获得候选目标区域的概率信息；根据所述候选目标区域的概率信息对所述训练样本图像进行候选目标区域采样，获得采样后的图像样本；将目标区域的属性信息和所述图像样本输入到辅助分类网络中进行属性训练，获得所述图像样本中的候选目标区域的准确度信息；所述目标区域的属性信息为针对所述训练样本图像标注的目标区域的属性信息；根据所述准确度信息调整所述Attention神经网络的参数。

根据本发明实施例的第三方面，提供了一种区域检测方法，包括：获取待检测的目标图像，其中，所述目标图像包括静态图像或视频图像；采用Attention神经网络检测所述目标图像，获得所述目标图像的目标区域；其中，所述Attention神经网络采用如第二方面所述的方法训练而得。

根据本发明实施例的第四方面，提供了一种对象属性检测装置，包括：第一获取模块，用于将待检图像输入到注意力Attention神经网络中进行区域检测，获得所述待检图像中与目标的对象属性相关联的至少一个局部区域；第二获取模块，用于将所述待检图像和所述至少一个局部区域输入到属性分类神经网络中进行属性检测，获得所述待检图像的对象属性信息。

根据本发明实施例的第五方面，提供了一种神经网络训练装置，包括：第六获取模块，用于将训练样本图像输入到注意力Attention神经网络中进行区域训练，获得候选目标区域的概率信息；第七获取模块，用于根据所述候选目标区域的概率信息对所述训练样本图像进行候选目标区域采样，获得采样后的图像样本；第八获取模块，用于将目标区域的属性信息和所述图像样本输入到辅助分类网络中进行属性训练，获得所述图像样本中的候选目标区域的准确度信息；所述目标区域的属性信息为针对所述训练样本图像标注的目标区域的属性信息；第二参数调整模块，用于根据所述准确度信息调整所述Attention神经网络的参数。