公开(公告)号：CN107563279A

公开(公告)日：2018-01-09

申请号：CN201710603212.2

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 付彦伟 ,  贺珂珂 ,  王展雄 ,  王文萱 ,  姜育刚 ,  薛向阳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明属于计算机视觉图像处理技术领域，具体为针对人体属性分类的自适应权重调整的多任务模型训练方法。本发明提出一种新颖的多任务模型，通过引入了一个基于验证误差大小及变化趋势从而更新相应任务权重的算法，在训练过程中自适应动态地调整每个任务的相应权重值。具体步骤包括：（1）人脸以及行人图片的收集和属性类别的标注；（2）构建深度神经网络；（3）训练深度神经网络；（4）利用深度网络模型，进行人体属性预测；本发明方法具有速度快、精确度高、鲁棒性好等优点，非常适用于人体相关的检测、识别、分类等实际应用。

公开(公告)号：CN107563279B

公开(公告)日：2020-12-22

申请号：CN201710603212.2

申请日：2017-07-22

Applicant: 复旦大学

Inventor： 付彦伟 ,  贺珂珂 ,  王展雄 ,  王文萱 ,  姜育刚 ,  薛向阳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明属于计算机视觉图像处理技术领域，具体为针对人体属性分类的自适应权重调整的多任务模型训练方法。本发明提出一种新颖的多任务模型，通过引入了一个基于验证误差大小及变化趋势从而更新相应任务权重的算法，在训练过程中自适应动态地调整每个任务的相应权重值。具体步骤包括：（1）人脸以及行人图片的收集和属性类别的标注；（2）构建深度神经网络；（3）训练深度神经网络；（4）利用深度网络模型，进行人体属性预测；本发明方法具有速度快、精确度高、鲁棒性好等优点，非常适用于人体相关的检测、识别、分类等实际应用。