技术特征：
1.一种属性识别模型训练方法，包括：获取图像训练集，所述图像训练集中的每张图像携带有标注属性和标注物体区域，每张图像的标注物体区域对应物体的面积与所述图像的总面积的比值小于预设比例阈值；将所述图像训练集中的每张图像输入到预设网络，得到每张图像的预测物体热力图；根据每张图像的标注属性、标注物体区域的标注物体热力图和预测物体热力图，调整所述预设网络的参数，得到属性识别模型。2.根据权利要求1所述的方法，其中，所述根据每张图像的标注属性、标注物体区域的标注物体热力图和预测物体热力图，调整所述预设网络的参数，得到属性识别模型，包括：根据每张图像的标注物体区域的标注物体热力图和每张图像的预测物体热力图，确定每张图像的预测属性；根据所述图像训练集中每张图像的预测属性和每张图像的标注属性，确定所述预设网络的属性识别准确度；响应于所述预设网络的属性识别准确度小于识别准确度阈值，调整所述预设网络的参数，直到所述预设网络的属性识别准确度大于或等于所述识别准确度阈值，得到属性识别模型。3.根据权利要求1或2所述的方法，其中，所述预设网络包括：全连接层；相应的，所述将所述图像训练集中的每张图像输入到预设网络，得到每张图像的预测物体热力图，包括：将所述图像训练集中的每张图像输入到预设网络，利用所述全连接层对每张图像进行二分类，得到每张图像的二分类结果；基于每张图像的二分类结果，生成每张图像的空间响应特征图；对每张图像的空间响应特征图进行渲染，得到每张图像的预测物体热力图。4.根据权利要求1至3任一项所述的方法，其中，在所述将所述图像训练集中的每张图像输入到预设网络，得到每张图像的预测物体热力图之前，还包括：根据所述图像训练集中的每张图像的物体标注区域，生成每张图像的标注物体热力图。5.一种属性识别方法，包括：获取待处理图像；将所述待处理图像输入到属性识别模型，得到属性识别结果，所述属性识别结果包括：所述待处理图像中包含目标属性或者所述待处理图像中未包含目标属性；其中，所述属性识别模型是利用图像训练集中各张图像的标注属性、标注物体区域和所述标注物体区域的标注物体热力图对预设网络进行训练得到的，每张图像的标注物体区域对应物体的面积与所述图像的总面积的比值小于预设比例阈值。6.根据权利要求5所述的方法，其中，所述将所述待处理图像输入到属性识别模型，得到属性识别结果，包括：将所述待处理图像输入到属性识别模型，确定所述待处理图像中是否包含目标物体；响应于所述待处理图像包含目标物体，根据物体与属性的关联关系，确定所述待处理图像包含所述目标物体关联的目标属性；响应于所述待处理图像未包含目标物体，确定所述待处理图像未包含目标属性。
7.根据权利要求5或6所述的方法，其中，所述获取待处理图像，包括：获取属性识别请求，所述属性识别请求用于指示识别的属性类型；基于所述属性识别请求，获取所述属性类型对应的待处理图像。8.根据权利要求7所述的方法，其中，所述基于所述属性识别请求，获取所述属性类型对应的待处理图像，包括：基于所述属性识别请求对应的属性类型，获取针对预设区域采集的所述待处理图像。9.根据权利要求5-8任一项所述的方法，其中，在所述将所述待处理图像输入到属性识别模型，得到属性识别结果之后，还包括：响应于所述待处理图像中包含目标属性，生成所述目标属性的提示信息，所述提示信息为文本信息或者语音信息；输出所述提示信息，或者向预设设备发送所述提示信息。10.一种属性识别模型训练装置，包括：获取单元，用于获取图像训练集，所述图像训练集中的每张图像携带有标注属性和标注物体区域，每张图像的标注物体区域对应物体的面积与所述图像的总面积的比值小于预设比例阈值；处理单元，用于将所述图像训练集中的每张图像输入到预设网络，得到每张图像的预测物体热力图；训练单元，用于根据每张图像的标注属性、标注物体区域的标注物体热力图和预测物体热力图，调整所述预设网络的参数，得到属性识别模型。11.根据权利要求10所述的装置，其中，所述训练单元，包括：第一确定模块，用于根据每张图像的标注物体区域的标注物体热力图和每张图像的预测物体热力图，确定每张图像的预测属性；第二确定模块，用于根据所述图像训练集中每张图像的预测属性和每张图像的标注属性，确定所述预设网络的属性识别准确度；训练模块，用于响应于所述预设网络的属性识别准确度小于识别准确度阈值，调整所述预设网络的参数，直到所述预设网络的属性识别准确度大于或等于所述识别准确度阈值，得到属性识别模型。12.根据权利要求10或11所述的装置，其中，所述预设网络包括：全连接层；相应的，所述处理单元，包括：分类模块，用于将所述图像训练集中的每张图像输入到预设网络，利用所述全连接层对每张图像进行二分类，得到每张图像的二分类结果；生成模块，用于基于每张图像的二分类结果，生成每张图像的空间响应特征图；渲染模块，用于对每张图像的空间响应特征图进行渲染，得到每张图像的预测物体热力图。13.根据权利要求10至12任一项所述的装置，其中，所述处理单元，还用于根据所述图像训练集中的每张图像的物体标注区域，生成每张图像的标注物体热力图。14.一种属性识别装置，包括：获取单元，用于获取待处理图像；识别单元，用于将所述待处理图像输入到属性识别模型，得到属性识别结果，所述属性
识别结果包括：所述待处理图像中包含目标属性或者所述待处理图像中未包含目标属性；其中，所述属性识别模型是利用图像训练集中各张图像的标注属性、标注物体区域和所述标注物体区域的标注物体热力图对预设网络进行训练得到的，每张图像的标注物体区域对应物体的面积与所述图像的总面积的比值小于预设比例阈值。15.根据权利要求14所述的装置，其中，所述识别单元，包括：识别模块，用于将所述待处理图像输入到属性识别模型，确定所述待处理图像中是否包含目标物体；第一确定模块，用于响应于所述待处理图像包含目标物体，根据物体与属性的关联关系，确定所述待处理图像包含所述目标物体关联的目标属性；第二确定模块，用于响应于所述待处理图像未包含目标物体，确定所述待处理图像未包含目标属性。16.根据权利要求14或15所述的装置，其中，所述获取单元，包括：第一获取模块，用于获取属性识别请求，所述属性识别请求用于指示识别的属性类型；第二获取模块，用于基于所述属性识别请求，获取所述属性类型对应的待处理图像。17.根据权利要求16所述的装置，其中，所述第二获取模块，具体用于基于所述属性识别请求对应的属性类型，获取针对预设区域采集的所述待处理图像。18.根据权利要求14-17任一项所述的装置，还包括：生成单元，用于响应于所述待处理图像中包含目标属性，生成所述目标属性的提示信息，所述提示信息为文本信息或者语音信息；输出单元，用于输出所述提示信息，或者向预设设备发送所述提示信息。19.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4任一项所述的方法，或者，执行权利要求5-9任一项所述的方法。20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4任一项所述的方法，或者，执行权利要求5-9任一项所述的方法。21.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤，或者，执行权利要求5-9任一项所述的方法的步骤。
技术总结
本公开提供的属性识别模型训练、属性识别方法、装置及设备，涉及人工智能领域，尤其涉及计算机视觉、图像识别和深度学习技术领域。其中，属性识别模型训练方法包括：获取图像训练集，该图像训练集中的每张图像携带有标注属性和标注物体区域，每张图像的标注物体区域对应物体的面积与所述图像的总面积的比值小于预设比例阈值，将图像训练集中的每张图像输入到预设网络，得到每张图像的预测物体热力图，根据每张图像的标注属性、标注物体区域的标注物体热力图和预测物体热力图，调整预设网络的参数，得到属性识别模型。属性识别方法包括：将待处理图像输入到上述训练得到的属性识别模型中，确定待处理图像是否包含目标属性。确定待处理图像是否包含目标属性。确定待处理图像是否包含目标属性。
技术研发人员：蒋旻悦
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.01.29
技术公布日：2022/5/6