[发明专利]图像识别方法、装置、计算机设备以及存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取图像，将所述图像依次输入至分类器集合中的至少两个分类器，从所述至少两个分类器中分别获取所述图像对应的预测结果；所述至少两个分类器为目标训练次数满足不同选取节点的模型，且所述至少两个分类器具有相同的网络结构和不同的网络模型参数，所述至少两个分类器均用于识别所述图像中所包含的目标对象，每个分类器均对应一个识别结果；

从通用对象集合中获取与所述预测结果相匹配的候选对象，将所述候选对象和所述预测结果确定为对象识别结果集合；

获取所述至少两个分类器分别对应的识别置信度；

根据所述识别置信度与所述对象识别结果集合中所包含的识别结果，确定所述图像对应的目标识别结果。

2.根据权利要求1所述方法，其特征在于，所述从通用对象集合中获取与所述预测结果相匹配的候选对象，包括：

根据所述分类器集合确定分类器子集合H_i；所述分类器子集合H_i为所述分类器集合的子集，所述分类器子集合H_i中的任意两个分类器对应的预测结果之间的相似距离均小于或等于第一距离阈值，i小于或等于I，所述I用于表示分类器子集合的数量；

获取所述通用对象集合，从所述通用对象集合中获取通用对象a_j，确定所述通用对象a_j与所述分类器子集合H_i中分类器对应的所述预测结果之间的最大相似距离；j小于或等于N，所述N用于表示所述通用对象集合中所包含的通用对象的数量；

若所述最大相似距离小于或等于第二距离阈值，则将所述通用对象a_j确定为所述候选对象。

3.根据权利要求1所述的方法，其特征在于，所述获取图像，将所述图像依次输入至分类器集合中的至少两个分类器，从所述至少两个分类器中分别获取所述图像对应的预测结果，包括：

获取所述图像，将所述图像输入所述分类器集合中所包含的分类器h_k中，根据所述分类器h_k中的卷积层，获取所述图像对应的特征序列；k小于或等于L，所述L用于表示所述分类器集合中所包含的分类器的数量；

根据所述分类器h_k中的递归层对所述特征序列进行预测，得到所述图像对应的所述预测结果。

4.根据权利要求1所述的方法，其特征在于，所述根据所述识别置信度与所述对象识别结果集合中所包含的识别结果，确定所述图像对应的目标识别结果，包括：

根据所述对象识别结果集合中所包含的识别结果确定至少一个结果类别；

获取所述至少两个分类器分别对应的识别置信度与对应分类器的识别结果的乘积，作为所述对象识别结果集合中的识别结果所对应的加权投票值；

将每个结果类别的识别结果所对应的加权投票值进行累加，得到所述每个结果类别分别对应的加权投票总值，将最大的加权投票总值对应的结果类别，确定为所述图像对应的目标识别结果。

5.根据权利要求1所述的方法，其特征在于，还包括：

从验证数据集中获取验证样本图像，将所述验证样本图像输入所述分类器集合中的所述至少两个分类器中，根据所述至少两个分类器获取与所述验证样本图像相关联的验证识别结果；

从所述通用对象集合中获取与所述验证识别结果相匹配的通用对象，作为针对所述验证样本图像的验证候选对象；

根据所述验证候选对象与所述验证识别结果，确定所述验证样本图像对应的验证标签；

获取所述验证标签与所述至少两个分类器分别对应的所述验证识别结果之间的相似度，根据所述相似度确定所述至少两个分类器分别对应的所述识别置信度。