(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 202210913570.4 (22)申请日 2022.07.29 (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 杨喜鹏　蒋旻悦　张为明　李莹莹　 谭啸　孙昊　丁二锐　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 王文思 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 确定对象属性的方法、 深度学习模 型的训练 方法和装置 (57)摘要 本公开提供了一种确定对象属性的方法， 涉 及人工智能技术领域， 尤其涉及深度学习、 图像 处理和自然语 言处理技术领域， 可应用于智慧城 市场景。 具体实现方案为： 生成待处理图像中的 第一目标对象的图像特征； 计算图像特征与文本 特征序列之间的相关度， 其中， 文本特征序列包 括多个属性词的词向量； 以及根据相关度确定第 一目标对象的属性。 本公开还提供了一种深度学 习模型的训练方法、 装置、 电子设备和存 储介质。 权利要求书3页 说明书10页 附图5页 CN 115272698 A 2022.11.01 CN 115272698 A 1.一种确定对象属性的方法， 包括： 生成待处 理图像中的第一目标对象的图像特 征； 计算所述图像特征与文本特征序列之间的相关度， 其中， 所述文本特征序列包括多个 属性词的词向量； 以及 根据所述相关度确定所述第一目标对象的属性。 2.根据权利要求1所述的方法， 其中， 所述计算所述图像特 征与文本特 征序列之间的相关度包括： 计算所述图像特 征与所述文本特 征序列中每 个词向量之间的相关度； 所述根据所述相关度确定所述第一目标对象的属性包括： 根据所述图像特 征与每个词向量之间的相关度， 确定所述第一目标对象的属性。 3.根据权利要求2所述的方法， 其中， 所述根据所述图像特征与每个词向量之间的相关 度， 确定所述第一目标对象的属性包括： 从所述多个词向量中确定与所述图像特 征之间的相关度最高的第一目标词向量； 以及 将与所述第一目标词向量对应的属性词确定为所述第一目标对象的属性。 4.根据权利要求1 ‑3中任一项所述的方法， 还 包括： 将新的属性词的词向量添加到所述文本特 征序列； 以及 根据所述图像特征与 所述新的属性词的词向量之间的相关度， 确定所述第 一目标对象 的新的属性。 5.根据权利要求1 ‑4中任一项所述的方法， 其中， 所述文本特征序列包括多个文本特征 序列， 多个文本特征序列与多个维度的属 性各自对应； 所述根据所述相关度确定所述第一 目标对象的属性包括： 根据所述图像特征与多个文本特征序列之间的相关度， 确定所述第 一目标对象的多个 维度的属性。 6.根据权利要求1所述的方法， 其中， 所述生成待处理图像中的第 一目标对象的图像特 征包括： 将所述待处理图像输入深度 学习模型， 得到所述待处理图像中的第 一目标对象的图像 特征。 7.一种深度学习模型的训练方法， 包括： 将样本图像输入深度学习模型， 得到所述样本 图像中的第二目标对象的图像特征， 其 中， 所述样本图像具有表示所述第二目标对象的真实属性的标签； 根据所述第 二目标对象的图像特征与文本特征序列之间的相关度， 确定所述第 二目标 对象的预测 属性， 其中， 所述文本特 征序列包括多个属性词的词向量； 以及 根据所述标签与所述预测 属性之间的差异， 调整所述深度学习模型的参数。 8.根据权利要求7所述的方法， 其中， 所述根据所述第 二目标对象的图像特征与文本特 征序列之间的相关度， 确定所述第二目标对象的预测 属性包括： 计算所述第 二目标对象的图像特征与所述文本特征序列中每个词向量之间的相关度； 以及 根据所述第 二目标对象的图像特征与每个词向量之间的相关度， 确定所述第 二目标对 象的属性。权　利　要　求　书 1/3 页 2 CN 115272698 A 29.根据权利要求8所述的方法， 其中， 所述根据所述第 二目标对象的图像特征与每个词 向量之间的相关度， 确定所述第二目标对象的属性包括： 从所述多个词向量中确定与所述第二目标对象的图像特征之间的相关度最高的第二 目标词向量； 以及 将与所述第二目标词向量对应的属性词确定为所述第二目标对象的属性。 10.根据权利要求7 ‑9中任一项所述的方法， 其中， 所述标签包括所述第二目标对象的 多个维度的真实属 性， 所述文本特征序列包括多个文本特征序列， 所述多个文本特征序列 与多个维度的属性各自对应； 所述根据 所述第二目标对象的图像特征与文本特征序列之间的相关度， 确定所述第 二 目标对象的预测 属性包括： 根据所述第 二目标对象的图像特征与多个文本特征序列之间的相关度， 确定所述第 二 目标对象的多个维度的预测 属性； 所述根据所述标签与所述预测 属性之间的差异， 调整所述深度学习模型的参数包括： 根据所述多个维度的真实属性与 所述多个维度的预测属性之间的差异， 调 整所述深度 学习模型的参数。 11.一种确定对象属性的装置， 包括： 第一生成模块， 用于生成待处 理图像中的第一目标对象的图像特 征； 计算模块， 用于计算所述图像特征与文本特征序列之间的相关度， 其中， 所述文本特征 序列包括多个属性词的词向量； 以及 第一确定模块， 用于根据所述相关度确定所述第一目标对象的属性。 12.根据权利要求1 1所述的装置， 其中， 所述计算模块， 用于计算所述图像特征与 所述文本特征序列中每个词向量之间的相关 度； 所述第一确定模块， 用于根据所述图像特征与每个词向量之间的相关度， 确定所述第 一目标对象的属性。 13.根据权利要求12所述的装置， 其中， 所述第一确定模块包括： 第一确定单元， 用于从所述多个词向量中确定与 所述图像特征之间的相关度最高的第 一目标词向量； 以及 第二确定单元， 用于将与 所述第一目标词向量对应的属性词确定为所述第 一目标对象 的属性。 14.根据权利要求1 1‑13中任一项所述的装置， 还 包括： 添加模块， 用于将新的属性词的词向量添加到所述文本特 征序列； 以及 第二确定模块， 用于根据所述图像特征与所述新的属性词的词向量之间的相关度， 确 定所述第一目标对象的新的属性。 15.根据权利要求11 ‑14中任一项所述的装置， 其中， 所述文本特征序列包括多个文本 特征序列， 多个文本特 征序列与多个维度的属性各自对应； 所述第一确定模块， 用于根据所述图像特征与多个文本特征序列之间的相关度， 确定 所述第一目标对象的多个维度的属性。 16.根据权利要求11所述的装置， 其中， 所述第 一生成模块用于将所述待处理图像输入权　利　要　求　书 2/3 页 3 CN 115272698 A 3