[发明专利]一种目标对象的多属性识别方法、设备、介质及神经网络

说明书

本发明提供了一种目标对象的多属性识别方法、设备、介质及神经网络，多个全连接层可以同时识别出目标对象的多个属性特征，可以根据需要识别的属性特征的数量来设置全连接层的数量，并且修改方便，灵活度高。且上述神经网络的层数不超过34层，在保证精度的情况下，可快速提高单张图片的处理用时。

技术领域

本说明书涉及信息技术领域，尤其涉及一种目标对象的多属性识别方法、设备、介质及神经网络。

背景技术

当前，行人多属性识别方式包括多标签的SVM(Support Vector Machine，支持向量机)、Softmax分类器以及神经网络。但是上述SVM和Softmax分类器两种方法的准确率不如神经网络高。而神经网络需要用深层的神经网络来提高准确率，例如，152层的神经网络。而随着神经网络的层数的增加，其处理速度又会逐渐降低，难以满足视频中行人属性识别的速度要求。进一步的，在当前的神经网络中，每次都只针对行人的一个属性进行识别，当存在多个行人属性需要识别时，则需要多个不同的神经网络来实现。

基于现有技术，需要更为有效的多属性识别方法，提高识别速度，以适应视频中行人属性识别的速度要求。

发明内容

本说明书实施例提供一种目标对象的多属性识别方法、设备、介质及神经网络，同时识别多个属性特征，能够满足视频中行人属性识别的速度要求。

为解决上述技术问题，本说明书实施例是这样实现的：

本发明提供了一种对目标对象进行多属性识别的神经网络，包括：

输入层，将包含有目标对象的图片输入至所述输入层；

多个卷积层以及至少一个池化层，提取出所述目标对象的多个属性特征；

多个全连接层，识别所述目标对象的多个属性特征；以及

输出层，确定并输出所述多个全连接层的识别结果。

优选的，在上述的神经网络中，所述多个全连接层中的任意一个与一个属性特征一一对应；

多个全连接层，识别所述目标对象的多个属性特征，包括：

针对不同的全连接层，分别执行以下操作：

该全连接层识别与其一一对应的所述目标对象的属性特征。

优选的，在上述的神经网络中，所述目标对象的多个属性特征中的任意一个，包括多个类别；

该全连接层识别与其一一对应的所述目标对象的属性特征，包括：

该全连接层获取与其对应的所述目标对象的属性特征的所有类别的得分。

优选的，在上述的神经网络中，所述输出层有多个，一个输出层与一个全连接层一一对应；

输出层，确定并输出所述多个全连接层的识别结果，包括：

针对不同的输出层，分别执行以下操作：

获取与其对应的全连接层输出的所有类别的得分；

得分最高的类别即为与其对应的全连接层的识别结果；

输出所述识别结果。

优选的，在上述的神经网络中，所述输出层为Softmax分类器；

输出层，确定并输出所述多个全连接层的识别结果，包括：

Softmax分类器确定并输出所述多个全连接层的识别结果：

针对不同的Softmax分类器，分别执行以下操作：

根据与其对应的全连接层获取的所有类别的得分获取所有类别的概率；