[发明专利]图像识别方法、装置、电子设备和计算机可读介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别图像；并将所述待识别图像输入至目标神经网络中，得到所述待识别图像的特征信息和所述待识别图像的重构图像，其中，所述目标神经网络包括特征提取网络和重构网络；

基于所述待识别图像的特征信息和目标分类特征信息计算目标损失函数，以及基于所述重构图像计算所述目标神经网络中重构网络的重构损失函数，其中，所述目标分类特征信息为特征提取网络确定出的所述待识别图像所属分类的特征信息；

基于所述目标损失函数和所述重构损失函数确定所述待识别图像的样本类型。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络包括以下至少之一：单类型神经网络、多类型神经网络和未知多类型神经网络；

所述单类型神经网络的分类类别为一种；

所述多类型神经网络的分类类别为多种；

所述未知多类型神经网络的分类类别为多种，且多种分类类别中包含已知分类类别和未知分类类别。

3.根据权利要求2所述的方法，其特征在于，所述目标神经网络为所述单类型神经网络；基于所述目标损失函数和所述重构损失函数确定所述待识别图像的样本类型包括：

获取第一损失阈值和第二损失阈值；

若所述目标损失函数大于所述第一损失阈值，和/或，所述重构损失函数大于所述第二损失阈值，则确定所述待识别图像的样本类型为负样本。

4.根据权利要求2所述的方法，其特征在于，所述目标神经网络为所述多类型神经网络；所述方法还包括：

获取所述特征提取网络的各个分类类别的分类特征信息；

基于所述待识别图像的特征信息和所述分类特征信息计算所述待识别图像所属于每个分类类别的第一预测概率，得到多个第一预测概率；

基于所述多个第一预测概率在多个分类类别确定所述待识别图像所属的目标分类类别；

将所述目标分类类别对应的特征信息确定为所述目标分类特征信息。

5.根据权利要求4所述的方法，其特征在于，基于所述目标损失函数和所述重构损失函数确定所述待识别图像的样本类型包括：

获取与每个分类类别相对应的第一损失阈值；以及获取与每个分类类别相对应的第二损失阈值；

若所述目标损失函数大于每个第一损失阈值，和/或，所述重构损失函数大于每个第二损失阈值，则确定所述待识别图像的样本类型为负样本。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：

确定所述第一损失阈值，以及确定所述第二损失阈值。

7.根据权利要求6所述的方法，其特征在于，确定所述第一损失阈值，以及确定所述第二损失阈值包括：

若所述目标神经网络的分类类别为多种，则为每种分类类别确定第一损失阈值；以及

若所述目标神经网络的分类类别为多种，则为每种分类类别确定第二损失阈值。

8.根据权利要求6所述的方法，其特征在于，确定所述第一损失阈值，以及确定所述第二损失阈值包括：

获取预先设定的目标通过率；其中，所述目标通过率包括：正样本通过率或者负样本通过率；

通过所述目标通过率确定所述第一损失阈值和所述第二损失阈值。

9.根据权利要求6所述的方法，其特征在于，所述目标神经网络为所述未知多类型神经网络；所述方法还包括：

获取目标底库图像；

将所述目标底库图像输入至所述特征提取网络中，得到所述目标底库图像的特征信息，其中，每一张目标底库图像对应所述未知多类型神经网络的一个底库分类类别。