[发明专利]一种目标识别方法、装置、电子设备和计算机存储介质

说明书

本发明实施例公开了一种目标识别方法、装置、电子设备和计算机存储介质，该方法包括：根据训练数据集，训练目标识别模型，得到训练完成的目标识别模型；其中，所述训练数据集包括目标数据和至少一个参考数据，所述参考数据与所述目标数据的标识信息不同；获取目标识别的初始结果序列，根据所述训练完成的目标识别模型，对所述初始结果序列进行重新排序，得到目标识别的重新排序结果；如此，本发明实施例在对初始结果序列进行重新排序时，只需要利用训练完成的目标识别模型便可以实现，无需使用额外的监督信息；并且，引入参考数据，可以使目标识别的重新排序结果具有较高的准确性和可靠性。

技术领域

本发明涉及计算机识别技术，尤其涉及一种目标识别方法、装置、电子设备和计算机存储介质。

背景技术

在计算机识别领域，在进行目标识别如行人重识别(Person re-identification)后，可以对识别结果进行重新排序，使得正确匹配的结果在结果序列中更加的靠前，匹配错误的结果更加的靠后；然而，上述对识别结果进行重新排序的方案，需要使用到额外的监督信息(例如可以是用户提供的信息)，进而，在实际应用时具有很大的局限性。

发明内容

本发明实施例期望提供目标识别的技术方案。

本发明实施例提供了一种目标识别方法，所述方法包括：

根据训练数据集，训练目标识别模型，得到训练完成的目标识别模型；其中，所述训练数据集包括目标数据和至少一个参考数据，所述参考数据与所述目标数据的标识信息不同；

获取目标识别的初始结果序列，根据所述训练完成的目标识别模型，对所述初始结果序列进行重新排序，得到目标识别的重新排序结果。

可选地，所述根据训练数据集，训练目标识别模型，包括：

根据所述目标数据和所述至少一个参考数据的相似程度，训练目标识别模型。

可选地，所述目标识别模型为双向的长短时记忆网络(Bi-LSTM)模型；所述Bi-LSTM模型的输入为所述目标数据和所述参考数据集的各个参考数据；所述Bi-LSTM模型的输出为所述目标数据和所述参考数据集各个参考数据的相似程度。

可选地，所述方法还包括：在根据训练数据集，训练目标识别模型之前，构造训练数据集；

所述构造训练数据集包括：

从原始数据集中选取出目标数据集，所述目标数据集包括至少一个目标数据；针对目标数据集的每个目标数据，选取出参考数据集，所述参考数据集包括：与对应的目标数据的标识信息相同的数据、以及与对应的目标数据的标识信息不同的数据。

可选地，所述根据所述训练完成的目标识别模型，对所述初始结果序列进行重新排序，包括：

根据所述训练完成的目标识别模型，确定所述目标数据与所述初始结果序列中前K个数据的相似程度，根据所述目标数据与所述初始结果序列中前K个数据的相似程度，对所述初始结果序列中前K个数据进行重新排序，K为大于1的整数。

可选地，所述参考数据和所述目标数据均为图片数据。

可选地，所述参考数据和所述目标数据均为行人图片数据。

本发明实施例还提出了一种目标识别装置，所述装置包括：训练模块和重排序模块，其中，

训练模块，用于根据训练数据集，训练目标识别模型，得到训练完成的目标识别模型；其中，所述训练数据集包括目标数据和至少一个参考数据，所述参考数据与所述目标数据的标识信息不同；

重排序模块，用于获取目标识别的初始结果序列，根据所述训练完成的目标识别模型，对所述初始结果序列进行重新排序，得到目标识别的重新排序结果。