[发明专利]一种图像识别方法和装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

接收未标记的图像数据集和已标记的图像数据集；

利用已标记的图像数据集，对预设的第一多标记分类网络进行训练，以得到训练好的第一多标记分类网络；

将未标记的图像数据集，通过训练好的第一多标记分类网络，获得每个图像的标记结果及对应的置信度值；

根据所述标记结果及对应的置信度值，更新预设的第二多标记分类网络，进而通过更新后的第二多标记分类网络对图像进行标记。

2.根据权利要求1所述的方法，其特征在于，利用已标记的图像数据集，对预设的第一多标记分类网络进行训练，以得到训练好的第一多标记分类网络，包括：

对已标记的图像进行标记所在区域的切分，得到候选区域集合；

将所述候选区域输入至预设的第一多标记分类网络中进行训练，以得到待训练好的第一多标记分类网络；

基于已标记的图像数据集，利用加权的交叉熵损失函数训练第一多标记分类网络，以得到训练好的第一多标记分类网络。

3.根据权利要求1所述的方法，其特征在于，获得每个图像的标记结果及对应的置信度值之后，包括：

对标记结果及对应的置信度值，通过蒙特卡罗方法计算得到标记结果的平均分数向量；

通过计算平均分数向量的熵，得到每个标记的整体置信度值。

4.根据权利要求3所述的方法，其特征在于，根据所述标记结果及对应的置信度值，更新预设的第二多标记分类网络，包括：

将整体置信度值转换为标准化后验置信度，进而得到未标记的图像的损失值；

计算已标记的图像损失值与未标记的图像损失值之和，以根据标记结果和损失值之和更新预设的第二多标记分类网络；其中，已标记的图像损失值是根据已标记的图像数据集计算的分类交叉熵。

5.根据权利要求1-4任一所述的方法，其特征在于，还包括：

第一多标记分类网络是以AlexNet为基础的8层网络模型，以及第二多标记分类网络是以AlexNet为基础的5层卷积加3层全连接模型。

6.一种图像识别装置，其特征在于，包括：

接收模块，用于接收未标记的图像数据集和已标记的图像数据集；

识别模块，用于利用已标记的图像数据集，对预设的第一多标记分类网络进行训练，以得到训练好的第一多标记分类网络；将未标记的图像数据集，通过训练好的第一多标记分类网络，获得每个图像的标记结果及对应的置信度值；根据所述标记结果及对应的置信度值，更新预设的第二多标记分类网络，进而通过更新后的第二多标记分类网络对图像进行标记。

7.根据权利要求6所述的装置，其特征在于，所述识别模块利用已标记的图像数据集，对预设的第一多标记分类网络进行训练，以得到训练好的第一多标记分类网络，包括：

对已标记的图像进行标记所在区域的切分，得到候选区域集合；

将所述候选区域输入至预设的第一多标记分类网络中进行训练，以得到待训练好的第一多标记分类网络；

基于已标记的图像数据集，利用加权的交叉熵损失函数训练第一多标记分类网络，以得到训练好的第一多标记分类网络。

8.根据权利要求6所述的装置，其特征在于，所述识别模块获得每个图像的标记结果及对应的置信度值之后，包括：

对标记结果及对应的置信度值，通过蒙特卡罗方法计算得到标记结果的平均分数向量；

通过计算平均分数向量的熵，得到每个标记的整体置信度值。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。