[发明专利]一种图像识别模型的生成方法、存储介质及应用服务器

权利要求书

1.一种图像识别模型的生成方法，其特征在于，其包括：

获取一训练图像集，所述训练图像集包括多张训练图像和每一张训练图像所对应的真实标签，其中，每一张训练图像均为具有隐藏子区域和非隐藏子区域的图像，每一张训练图像所对应的真实标签用于表示训练图像中非隐藏子区域所对应的对象类型；

将所述训练图像集中的训练图像输入预设卷积神经网络模型，并获取所述预设卷积神经网络模型所输出的所述训练图像所对应的预测标签，其中，所述预测标签用于表示所述预设卷积神经网络模型识别到所述训练图像中非隐藏子区域所对应的对象类型；

根据所述训练图像所对应的真实标签以及所述训练图像所对应的预测标签，对所述预设卷积神经网络模型的模型参数进行修正；并继续执行所述将所述训练图像集中的训练图像输入预设卷积神经网络模型的步骤，直至所述预设卷积神经网络模型的训练情况满足预设条件，以得到已训练的图像识别模型。

2.根据权利要求1所述图像识别模型的生成方法，其特征在于，所述训练图像集中的每一张训练图像均为原始图像经过预处理后所得到的；其中，根据原始图像得到训练图像的预处理方式为：

将原始图像划分为第一预设数量的子区域；

在所述第一预设数量的子区域中，确定第二预设数量的待隐藏子区域；其中，所述第一预设数量大于所述第二预设数量；

将每一个待隐藏子区域中的像素点的像素值均设置为所述预设像素值，得到具有所述第二预设数量的隐藏子区域的训练图像。

3.根据权利要求2所述图像识别模型的生成方法，其特征在于，所述将原始图像划分为第一预设数量的子区域具体包括：

获取原始图像的图像尺寸；

根据所述原始图像尺寸确定所述原始图像对应的像素点数，并根据所述像素点数计算所述原始图像对应的第一预设数量；

将所述所述原始图像划分为所述第一预设数量的子区域。

4.根据权利要求2所述图像识别模型的生成方法，其特征在于，所述在所述第一预设数量的子区域中，确定第二预设数量的待隐藏子区域，具体包括：

在所述第一预设数量的子区域中，随机选取所述第二预设数量的子区域；

将选取到的所述第二预设数量的子区域作为待隐藏子区域，以得到第二预设数量的待隐藏子区域。

5.根据权利要求2所述图像识别模型的生成方法，其特征在于，所述将每一个待隐藏子区域中的像素点的像素值均设置为所述预设像素值，得到具有所述第二预设数量的隐藏子区域的训练图像，具体为：

读取选取到的各待隐藏子区域中各像素点的像素值，并采用像素值0替换所述各待隐藏子区域中各像素点的像素值，得到具有所述第二预设数量的隐藏子区域的训练图像。

6.根据权利要求2-5所述图像识别模型的生成方法，其特征在于，所述第二预设数量与所述第一预设数量的对应关系为：

第二预设数量＝RAND([0.4,0.6])*第一预设数量

其中，所述RAND()为随机函数。

7.根据权利要求1-5任一所述图像识别模型的生成方法，其特征在于，所述将所述训练图像集中的训练图像输入预设卷积神经网络模型，并获取所述预设卷积神经网络模型所输出的所述训练图像所对应的预测标签，具体包括：

根据所述预设卷积神经网络模型的卷积核将所述训练图像划分为若干计算区域，并获取各计算区域对应的图像状态，其中，所述图像状态至少包括完全隐藏区域、部分隐藏区域以及完全非隐藏区域中一种；

根据所述各计算区域对应的图像状态分别确定所述各计算区域的计算规则，并采用所述各计算区域的计算规则分别计算所述各计算区域内各像素点的像素值；

根据所述各计算区域内各像素点的像素值，以得到所述训练图像对应的未携带隐藏子区域的特征图像，并根据所述特征图像识别所述训练图像所对应的预测标签。