[发明专利]一种基于深度学习的属性分类识别方法

摘要

本发明公开了一种基于深度学习的属性分类识别方法，对于不同的深度学习模型，提出一种融合方法，探索了行人属性之间的上下文关系。首先输入的图像数据经过卷积神经网络，生成特征图，然后把属性向量化。设置一个权值参数，把融合之后的向量带入到权值函数进行迭代训练。通过调整权值参数的值，对两种模型的比重进行平衡。本发明的特点是考虑了行人属性之间的上下文关系，提高了分类的准确率，避免了行人属性分类准确率的两极分化。主要应用在监控摄像头中，对于过滤掉监控视频中的无用信息，快速识别出目标行人有着比较广泛的应用前景。

主权项

一种基于深度学习的属性分类识别方法，其特征在于，包括：(1)卷积神经网络对输入的图像数据进行处理分别得到第一特征向量与n个第二特征向量，其中，所述第一特征向量为n*1维的向量，每一维表示属性为正样本的概率，所述第二特征向量为2*1维的向量，表示属性为正/负样本的概率，n为属性类别的数量；(2)将所述n个第二特征向量进行融合得到第三特征向量，其中，所述第三特征向量为n*1维的向量，每一维表示属性为正样本的概率；(3)将所述第一特征向量与所述第三特征向量进行融合得到目标特征向量，其中，所述目标特征向量为n*1维的向量，每一维融合了所述第一特征向量相应维的属性与所述第三特征向量相应维的属性之间的关系；(4)将所述目标特征向量输入损失函数进行迭代训练，直至所述损失函数收敛，输出属性分类识别结果。