用于对象属性分类模型训练的方法、设备和存储介质与流程

技术特征：
1.一种用于对象属性分类的模型的训练方法，包括以下步骤：获取与要执行属性分类任务的待分类属性相关的二分类属性数据，所述二分类属性数据包含指示该待分类属性对于至少一个分类标签中的每一个为“是”或“否”的数据；基于所述二分类属性数据进行用于对象属性分类的模型的预训练。2.根据权利要求1所述的方法，其中，所述二分类属性数据包括与所述至少一个分类标签一一对应的至少一个值，每个值指示该待分类属性对于该至少一个分类标签中的一个标签为“是”或“否”。3.根据权利要求1所述的方法，其中，所述至少一个分类标签包括选自该待分类属性有关的不同类别的分类标签。4.根据权利要求1-3中任一项所述的方法，其中，所述至少一个分类标签不同于属性分类任务所涉及的分类标签，或者与属性分类任务所涉及的分类标签至少部分地重叠。5.根据权利要求1-4中任一项所述的方法，其中，所述二分类属性数据还包括与该待分类属性相关联的至少一个其它属性的二分类属性数据，其中，所述至少一个其它属性中的每个其它属性的二分类属性数据指示该其它属性对于各自有关的分类为是或否。6.根据权利要求5所述的方法，其中，与待分类属性相关联的其它属性包括与待分类属性语义接近的其它属性。7.根据权利要求5或6所述的方法，其中，与待分类属性相关联的其它属性包括与待分类属性之间的距离小于等于特定阈值的其它属性。8.根据权利要求5-7中任一项所述的方法，其中，与待分类属性相关联的其它属性包括从待分类属性的图像区域和/或与待分类属性的图像区域邻近的至少一个其他图像区域中获取的其它属性。9.根据权利要求1-8中任一项所述的方法，其中，所述二分类属性数据是通过对训练图片进行标注而获取的，或者是选自预定数据库的。10.根据权利要求1-9中任一项所述的方法，其中，所述预训练步骤包括基于所述二分类属性数据训练得到能够按照二分类属性数据所对应的分类标签将对象属性分类的预训练模型。11.根据权利要求10所述的方法，其中，所述预训练模型包括依次布置的卷积神经网络模型、全连接层以及与二分类属性数据的分类标签一一对应的二分类属性分类器。12.根据权利要求10所述的方法，还包括：基于属性分类任务的分类标签数据和所述预训练模型来进一步训练用于对象属性分类的模型。13.根据权利要求12所述的方法，其中，训练得到的模型包括依次布置的卷积神经网络模型和对应于属性分类任务的分类标签的多分类全连接层。14.根据权利要求1-13中任一项所述的方法，其中，所述至少一个分类标签包括彼此之间差别大的粗分类的分类标签。15.根据权利要求1-14中任一项所述的方法，其中，属性分类任务所涉及的分类标签包括细分类的分类标签。16.一种用于对象属性分类的模型的训练装置，包括：
二分类属性数据获取单元，被配置为获取与要执行分类任务的待分类属性相关的二分类属性数据，所述二分类属性数据包含指示该待分类属性对于至少一个分类标签中的每一个为“是”或“否”的数据；以及模型预训练单元，被配置为基于所述二分类属性数据进行用于对象属性分类的模型的预训练。17.根据权利要求16所述的装置，还包括：模型训练单元，被配置为基于属性分类任务的分类标签数据和所述预训练的模型来训练用于对象属性分类的模型。18.一种电子设备，包括：存储器；和耦接至所述存储器的处理器，所述存储器中存储有指令，所述指令当由所述处理器执行时，使得所述电子设备执行根据权利要求1-15中任一项所述的方法。19.一种计算机可读存储介质，其上存储有计算机程序，该程序由处理器执行时实现根据权利要求1-15中任一项所述的方法。

技术总结
本公开涉及用于对象属性分类模型训练的方法、设备和存储介质。提出了一种用于对象属性分类的模型的训练方法，包括以下步骤：获取与要执行分类任务的待分类属性相关的二分类属性数据，所述二分类属性数据包含指示该待分类属性对于至少一个分类标签中的每一个为“是”或“否”的数据；基于所述二分类属性数据进行用于对象属性分类的模型的预训练。行用于对象属性分类的模型的预训练。行用于对象属性分类的模型的预训练。


技术研发人员：孙敬娜 曾伟宏 陈培滨 王旭 桑燊 刘晶 黎振邦
受保护的技术使用者：脸萌有限公司
技术研发日：2021.07.29
技术公布日：2023/2/6