[发明专利]模型训练方法、行人属性识别方法和相关装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取训练样本数据，所述训练样本数据包括人体属性训练数据和人体分割训练数据，所述人体属性训练数据包括每张图片对应的属性权重数据，所述人体分割训练数据包括每张分割好的图片对应的分割权重数据；

将所述训练样本数据输入预先建立的行人属性识别模型，所述行人属性识别模型包括共享参数网络、人体分割网络和行人属性分类网络；所述预先建立的行人属性识别模型还包括用于连接所述人体分割网络和所述行人属性分类网络的连接网络；

将所述训练样本数据输入所述共享参数网络进行特征提取，得到共享参数；

将所述共享参数输入所述人体分割网络进行语义分割，获得人体分割结果；

将所述人体分割结果输入所述连接网络进行权重转换，获得所述行人属性分类网络所需的人体部位对应的权重，并输入所述行人属性分类网络；

将所述共享参数和所述人体分割结果输入所述行人属性分类网络进行行人属性分类，获得分类结果；

依据所述人体分割结果对所述共享参数网络和所述人体分割网络进行参数更新，依据所述分类结果对所述共享参数网络和所述行人属性分类网络进行参数更新，得到训练后的行人属性识别模型。

2.根据权利要求1所述的模型训练方法，其特征在于，依据所述人体分割结果对所述共享参数网络和所述人体分割网络进行参数更新，依据所述分类结果对所述共享参数网络和所述行人属性分类网络进行参数更新，以得到训练后的行人属性识别模型的步骤，包括：

依据所述人体分割结果计算第一损失函数的损失值；

依据所述分类结果计算第二损失函数的损失值；

利用第一迭代器更新所述第一损失函数的初始学习率；

利用第二迭代器更新所述第二损失函数的初始学习率；

利用所述第一损失函数的损失值对所述共享参数网络和所述人体分割网络进行参数更新；

利用所述第二损失函数的损失值对所述共享参数网络和所述行人属性识别模型进行参数更新；

重复上述步骤，直至所述第一损失函数和所述第二损失函数都满足收敛条件，得到训练后的行人属性识别模型。

3.根据权利要求2所述的模型训练方法，其特征在于，所述模型训练方法还包括：

利用所述第一迭代器将所述第二损失函数的初始学习率设置为0；

利用所述第二迭代器将所述第一损失函数的初始学习率设置为0。

4.根据权利要求1所述的模型训练方法，其特征在于，所述连接网络包括人体部位选取层和权重转换层；

所述将所述人体分割结果输入所述连接网络进行权重转换，获得所述行人属性分类网络所需的人体部位对应的权重的步骤，包括：

将所述人体分割结果输入所述人体部位选取层进行选取，获得目标人体分割结果；其中，所述目标人体分割结果与所述行人属性分类网络所需的人体部位关联；

将所述目标人体分割结果输入所述权重转换层进行权重转换，获得所述行人属性分类网络所需的人体部位对应的权重，并将所述行人属性分类网络所需的人体部位对应的权重输入所述行人属性分类网络。

5.根据权利要求1所述的模型训练方法，其特征在于，所述人体分割网络包括残差层和特征处理层；

将所述共享参数输入所述残差层进行特征分离，获得分离参数；

将所述分离参数输入所述特征处理层进行语义分割，获得所述人体分割结果。

6.根据权利要求1所述的模型训练方法，其特征在于，所述行人属性分类网络包括主干属性层和多个分支属性层；

将所述人体分割结果输入所述主干属性层进行背景消除，获得消除背景的共享参数；

将所述人体分割结果和所述消除背景的共享参数输入所述分支属性层进行行人属性分类，获得所述分类结果。