(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210675231.7 (22)申请日 2022.06.15 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 蒋旻悦　于越　杨喜鹏　 (74)专利代理 机构 北京钲霖知识产权代理有限 公司 11722 专利代理师 李英艳　杨继成 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06V 20/62(2022.01)G06V 10/20(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种图像属性识别方法、 属性识别模 型训练 方法及装置 (57)摘要 本公开提供了一种图像属性识别方法、 属性 识别模型训练方法、 装置、 设备以及存储介质， 涉 及人工智能技术领域， 尤其涉及图像处理、 计算 机视觉等技术领域， 可应用于智 能交通、 智慧城 市等场景。 具体实现方案为： 获取第一图像， 第一 图像包括目标物体的图像。 之后， 可以根据第一 图像确定第二图像， 第二图像为第一图像中包括 目标物体的部分区域图像。 将第一图像和第二图 像输入至 单一的属性识别模型， 得到目标图像属 性。 其中， 目标图像属性包括第一图像的第一属 性信息和目标物 体对应的第二属性信息。 本公开 可以通过一个模型对不同的图像同时进行属性 识别， 提升了模型识别效率， 避免了多个模型共 同运行导 致的运行速率下降。 权利要求书3页 说明书15页 附图6页 CN 115049895 A 2022.09.13 CN 115049895 A 1.一种图像属性识别方法， 包括： 获取第一图像， 所述第一图像为包括目标物体的图像； 根据所述第 一图像确定第 二图像， 所述第 二图像为所述第 一图像中包括所述目标物体 的部分区域图像； 将所述第一图像和所述第二图像输入至单一的属性识别模型， 得到目标图像属性， 其 中， 所述目标图像属性包括所述第一图像的第一属性信息和所述目标物体对应的第二属性 信息。 2.根据权利要求1所述的方法， 其中， 所述得到目标图像属性， 包括： 通过所述单一的属性识别模型的不同通道， 分别对所述第 一图像和所述第 二图像进行 特征提取， 得到第一图像特 征和第二图像特 征； 基于所述第一图像特 征和所述第二图像特 征， 识别得到目标图像属性。 3.根据权利要求2所述的方法， 其中， 所述方法还 包括： 确定区域位置信 息， 所述区域位置信 息用于表示所述第 二图像在所述第 一图像中的区 域位置； 所述基于所述第一图像特 征和所述第二图像特 征， 识别目标图像属性， 包括： 基于所述区域 位置信息， 从所述第一图像特 征中确定区域子特 征； 将所述区域子特 征与所述第二图像特 征相融合， 得到融合特 征； 基于所述融合特 征， 确定所述第二属性信息 。 4.根据权利要求1 ‑3中任意一项所述的方法， 其中， 所述根据 所述第一图像确定第二图 像， 包括： 对所述第 一图像进行裁剪、 填充， 确定第二图像， 其中所述第二图像与所述第 一图像的 像素值相同。 5.根据权利要求1 ‑4中任意一项所述的方法， 其中， 所述第一图像为车辆图像， 所述第 二图像为车牌图像， 所述目标物体为车牌。 6.一种属性识别模型训练方法， 包括： 获取训练样本集， 所述训练样本集包括至少一个训练样本组， 每个训练样本组包括携 带第一标签的第一训练图像、 携带第二标签的第二训练图像以及区域位置信息， 其中， 所述 第一训练图像为包括目标物体的图像， 所述第二训练图像为所述第一训练图像中包括所述 目标物体的部 分区域图像， 所述区域位置信息用于表示所述第二训练图像在所述第一训练 图像中的区域 位置； 针对每个所述训练样本组， 将所述训练样本组输入至单一的初始识别模型， 确定所述 第一训练图像的第一训练属性信息和所述第二训练图像的第二训练属性信息； 根据所述第一标签、 所述第 一训练属性信 息、 所述第 二标签和所述第 二训练属性信 息， 对所述单一的初始 识别模型进行调整， 确定单一的第一属性识别模型。 7.根据权利要求6所述的方法， 其中， 所述确定所述第 一训练图像的第 一训练属性信 息 和所述第二训练图像的第二训练属性信息， 包括： 通过所述单一的初始识别模型的不同通道， 分别对所述第 一训练图像和所述第 二训练 图像进行 特征提取， 得到第一训练图像特 征和第二图像训练特 征； 基于所述第 一训练图像特征识别得到所述第 一训练属性信 息， 以及基于所述第 二训练权　利　要　求　书 1/3 页 2 CN 115049895 A 2图像特征识别得到所述第二训练属性信息 。 8.根据权利要求7所述的方法， 其中， 所述基于所述第 二训练图像特征识别得到所述第 二训练属性信息， 包括： 基于所述区域 位置信息， 从所述第一训练图像特 征中确定区域训练子特 征； 将所述区域训练子特 征与所述第二训练图像特 征相融合， 得到训练融合特 征； 基于所述训练融合特 征， 确定所述第二训练属性信息 。 9.根据权利要求8所述的方法， 其中， 所述方法还 包括： 基于所述 区域训练子特征和所述第 二训练图像特征， 对所述单一的第 一属性识别模型 进行调整， 确定单一的第二属性识别模型。 10.根据权利要求6 ‑9中任意一项所述的方法， 其中， 所述第 一训练图像为车辆图像， 所 述第二训练图像为车牌图像， 所述目标物体为车牌。 11.一种图像属性识别装置， 包括： 获取模块， 用于获取第一图像， 所述第一图像为包括目标物体的图像； 确定模块， 用于根据所述第一图像确定第二图像， 所述第二图像为所述第一图像中包 括所述目标物体的部分区域图像； 识别模块， 用于将所述第一图像和所述第二图像输入至单一的属性识别模型， 得到目 标图像属 性， 其中， 所述 目标图像属 性包括所述第一图像的第一属 性信息和所述 目标物体 对应的第二属性信息 。 12.根据权利要求1 1所述的装置， 其中， 所述识别模块还用于： 通过所述单一的属性识别模型的不同通道， 分别对所述第 一图像和所述第 二图像进行 特征提取， 得到第一图像特 征和第二图像特 征； 基于所述第一图像特 征和所述第二图像特 征， 识别得到目标图像属性。 13.根据权利要求12所述的装置， 其中， 所述确定模块还用于： 确定区域位置信 息， 所述区域位置信 息用于表示所述第 二图像在所述第 一图像中的区 域位置； 所述识别模块还用于： 基于所述区域 位置信息， 从所述第一图像特 征中确定区域子特 征； 将所述区域子特 征与所述第二图像特 征相融合， 得到融合特 征； 基于所述融合特 征， 确定所述第二属性信息 。 14.根据权利要求1 1‑13中任意 一项所述的装置， 其中， 所述确定模块还用于： 对所述第 一图像进行裁剪、 填充， 确定第二图像， 其中所述第二图像与所述第 一图像的 像素值相同。 15.根据权利要求11 ‑14中任意一项所述的装置， 其中， 所述第 一图像为车辆图像， 所述 第二图像为车牌图像， 所述目标物体为车牌。 16.一种属性识别模型训练装置， 包括： 获取模块， 用于获取训练样本集， 所述训练样本集包括至少一个训练样本组， 每个训练 样本组包括携带第一标签的第一训练图像、 携带第二标签的第二训练图像以及区域位置信 息， 其中， 所述第一训练图像为包括目标物体的图像， 所述第二训练图像为所述第一训练图 像中包括所述目标物体的部 分区域图像， 所述区域位置信息用于表示所述第二训练图像在权　利　要　求　书 2/3 页 3 CN 115049895 A 3