[发明专利]图像识别方法、装置、电子设备及存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取第一样本图像和用于识别第一类别的第二图像识别模型，所述第一样本图像的类别为第一类别；

根据所述第一样本图像和所述第二图像识别模型，确定所述第二图像识别模型的分类损失函数和参数正则化损失函数；

在所述第二图像识别模型中加入全连接层，得到第三图像识别模型，以及，根据所述第一样本图像的第一类别，确定所述第一类别对应的第一词向量；根据所述第一词向量，确定所述全连接层的参数向量与所述第一词向量的差值，得到所述第三图像模型的词向量损失函数；

基于所述分类损失函数、所述参数正则化损失函数、所述词向量损失函数和所述第一样本图像，对所述第三图像识别模型进行迭代训练，得到第一图像识别模型；

将待识别图像输入至所述第一图像识别模型中，所述第一图像识别模型为添加了所述全连接层的图像识别模型，所述全连接层中的每个第一节点与所述第一图像识别模型中所述全连接层的上一层的每个第二节点相连；

通过所述每个第二节点，获取所述待识别图像的第一特征向量，所述第一特征向量为根据所述第一图像识别模型在训练过程中已知的第一类别提取的第一特征向量；

通过所述每个第一节点将所述每个第二节点输出的第一特征向量进行加权处理，得到第二特征向量；

根据所述第二特征向量，确定所述待识别图像的第二类别，所述第二类别与已知的第一类别不同。

2.根据权利要求1所述的方法，其特征在于，所述基于所述分类损失函数、所述参数正则化损失函数、所述词向量损失函数和所述第一样本图像，对所述第三图像识别模型进行迭代训练，得到所述第一图像识别模型，包括：

将所述分类损失函数、所述参数正则化损失函数和所述词向量损失函数进行加权求和，得到所述第三图像识别模型的损失函数；

根据所述损失函数和所述第一样本图像，对所述第三图像识别模型进行迭代训练，得到所述第一图像识别模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第二特征向量，确定所述待识别图像的第二类别，包括：

基于图文转换矩阵，将所述第二特征向量转换为第二词向量；

根据所述第二词向量，确定词向量空间中与所述第二词向量最近的第三词向量；

确定所述第三词向量对应的第二类别。

4.根据权利要求3所述的方法，其特征在于，所述基于图文转换矩阵，将所述第二特征向量转换为第二词向量之前，所述方法还包括：

获取至少一个第二样本图像中的每个第二样本图像对应的第三特征向量；

根据所述第二样本图像的第三类别，确定与所述第三类别对应的第四词向量；

确定第一矩阵，所述第一矩阵为所述图文转换矩阵的转置矩阵，根据所述第一矩阵，将所述第四词向量转换为图像特征向量，得到第二样本图像的图像向量函数；

对于每个第二样本图像，根据所述第二样本图像的第三特征向量，对所述第二样本图像的图像向量函数进行求解，得到第二变量对应的矩阵，将所述第二变量对应的矩阵进行转置，得到所述图文转换矩阵。

5.根据权利要求4所述的方法，其特征在于，所述对于每个第二样本图像，根据所述第二样本图像的第三特征向量，对所述第二样本图像的图像向量函数进行求解，得到第二变量对应的矩阵，将所述第二变量对应的矩阵进行转置，得到所述图文转换矩阵，包括：

确定所述第二样本图像的第三特征向量与所述第二样本图像的图像向量函数之差，得到第一函数；

确定所述第一函数的函数值最小时的第一变量，将所述第一变量进行转置，得到所述图文转换矩阵。