[发明专利]一种图像识别方法及装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

将获取到的待识别图像输入空间变换网络模型中；

基于所述空间变换网络模型，对所述待识别图像进行图像处理和空间变换处理，得到所述待识别图像对应的翻拍图像概率值；

在判定所述所述待识别图像对应的翻拍图像概率值大于等于预设的第一阈值时，确定所述待识别图像为疑似翻拍图像。

2.如权利要求1所述的方法，其特征在于，在将获取到的待识别图像输入空间变换网络模型中之前，进一步包括：

获取图像样本，并按照预设比例将获取到的图像样本划分为训练集合和测试集合；

基于卷积神经网络CNN和空间变换模块构建空间变换网络，并基于所述训练集合对所述空间变换网络进行模型训练，以及基于所述测试集合对已完成模型训练的空间变换网络进行模型测试。

3.如权利要求2所述的方法，其特征在于，基于CNN和空间变换模块构建空间变换网络，具体包括：

在CNN中嵌入一个可学习的空间变换模块，以构建空间变换网络，其中，所述空间变换模块至少包括定位网络，网格生成器和采样器，所述定位网络包括至少一个卷积层，至少一个池化层和至少一个全连接层；

其中，所述定位网络用于：生成变换参数集合；所述网格生成器用于：根据变换参数集合生产采样网格；所述采样器用于：依据采样网格对输入的图像进行采样。

4.如权利要求2所述的方法，其特征在于，基于所述训练集合对所述空间变换网络进行模型训练，具体包括：

基于空间变换网络，将所述训练集合中包含的图像样本划分为若干批次，其中，一个批次内包含G个图像样本，G为大于等于1的正整数；

依次针对所述训练集合中包含的每一批次执行以下操作，直到判定连续Q个批次对应的识别正确率均大于第一预设门限值为止，确定空间变换网络模型训练完成，其中，Q为大于等于1的正整数：

使用当前的配置参数分别对一批次内包含的每一图像样本进行空间变换处理和图像处理，获得相应的识别结果，其中，所述配置参数中至少包括至少一个卷积层使用的参数，至少一个池化层使用的参数，至少一个全连接层使用的参数，以及空间变化模块使用的参数；

基于所述一批次内包含的各个图像样本的识别结果，计算所述一批次对应的识别正确率；

判定所述一批次对应的识别正确率是否大于第一预设门限值，若是，则保持所述当前的配置参数不变，否则，对所述当前的配置参数进行调整，将调整后的配置参数作为下一次批次使用的当前的配置参数。

5.如权利要求4所述的方法，其特征在于，基于所述测试集合对已完成模型训练的空间变换网络进行模型测试，具体包括：

基于已完成模型训练的空间变换网络，分别对所述测试集合中包含的每一个图像样本进行图像处理和空间变换处理，，获得相应的输出结果，其中，所述输出结果包含每一图像样本对应的翻拍图像概率值和非翻拍图像概率值；

基于所述输出结果，设置所述第一阈值，进而确定空间变换网络模型测试完成。

6.如权利要求5所述的方法，其特征在于，基于所述输出结果，设置所述第一阈值，具体包括：

分别以所述测试集合中包含的每一图像样本的翻拍概率值作为设定阈值，基于所述输出结果中包含的各个图像样本对应的翻拍图像概率值和非翻拍图像概率值，确定每一设定阈值对应的误判率FPR和检测正确率TPR；

基于已确定的每一设定阈值对应的FPR和TPR，绘制以FPR为横坐标，TPR为纵坐标的受试者工作特征ROC曲线；

基于所述ROC曲线，将FPR等于第二预设门限值时对应的翻拍图像概率值设置为所述第一阈值。

7.如权利要求1-6任一项所述的方法，其特征在于，基于所述空间变换网络模型，对所述待识别图像进行图像处理，具体包括：

基于所述空间变换网络模型，对所述待识别图像进行至少一次卷积处理，至少一次池化处理和至少一次全连接处理。