[发明专利]用于生成模型的方法及装置

说明书

本公开的实施例公开了用于生成模型的方法及装置。该方法的一具体实施方式包括：获取多个样本场景图像和与上述多个样本场景图像中的每个样本场景图像对应的样本非场景图像；提取预先建立的生成式对抗网络；利用机器学习方法，将上述多个样本场景图像中的每个样本场景图像作为生成网络的输入，将生成网络输出的图像和输入生成网络的样本场景图像对应的样本非场景图像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为非场景图像生成模型。该实施方式提高了在跨场景下目标物体的识别准确性。

技术领域

本公开的实施例涉及图像处理技术领域，具体涉及用于生成模型的方法及装置。

背景技术

目标识别是指一个特殊目标物体(或一种类型的目标物体)从其它目标物体(或其它类型的目标)中被区分出来的过程。目标物体可以是车辆、行人等。

发明内容

本公开的实施例提出了用于生成模型的方法及装置。

第一方面，本公开的实施例提供了一种用于生成模型的方法，该方法包括：获取多个样本场景图像和与上述多个样本场景图像中的每个样本场景图像对应的样本非场景图像，其中，上述样本场景图像和样本非场景图像包含相同目标物体的物体图像；提取预先建立的生成式对抗网络，其中，上述生成式对抗网络包括生成网络和判别网络，生成网络用于利用所输入的场景图像生成非场景图像，判别网络用于确定输入上述判别网络的图像是否是生成网络输出的图像；利用机器学习方法，将上述多个样本场景图像中的每个样本场景图像作为生成网络的输入，将生成网络输出的图像和输入生成网络的样本场景图像对应的样本非场景图像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为非场景图像生成模型。

在一些实施例中，上述样本场景图像通过以下步骤采集：确定样本图像中的至少一个目标物体；对于上述至少一个目标物体中的目标物体，获取该目标物体在至少一个场景中的每个场景的至少一个样本场景图像。

在一些实施例中，上述对生成网络和判别网络进行训练，将训练后的生成网络确定为非场景图像生成模型，包括：执行如下训练步骤：固定生成网络的参数，将上述多个样本场景图像中的每个样本场景图像作为生成网络的输入，将生成网络输出的图像和输入生成网络的样本场景图像对应的样本非场景图像作为判别网络的输入，利用机器学习方法对判别网络进行训练；固定训练后的判别网络的参数，将上述多个样本场景图像中的每个样本场景图像作为生成网络的输入，利用机器学习方法、交叉熵损失函数和三元组损失函数对生成网络进行训练；确定训练后的判别网络输出的判别结果的准确率，响应于确定准确率处于预设数值范围内，将最近一次训练的生成网络确定为非场景图像生成模型。

在一些实施例中，上述对生成网络和判别网络进行训练，将训练后的生成网络确定为非场景图像生成模型，还包括：响应于确定准确率处于预设数值范围外，使用最近一次训练的生成网络和判别网络重新执行上述训练步骤。

在一些实施例中，对于上述多个样本场景图像中的每个样本场景图像，该样本场景图像包含的物体图像特征至少部分的与该样本场景图像对应的样本非场景图像包含的物体图像特征相同。

在一些实施例中，上述方法还包括：获取基准目标物体图像和待处理场景图像；查询上述基准目标物体图像的基准场景图像；将上述基准场景图像输入至上述非场景图像生成模型，得到对应上述基准场景图像的至少一个非场景图像；响应于上述至少一个非场景图像中存在与上述待处理场景图像对应的目标非场景图像，获取上述目标非场景图像中对应上述基准目标物体图像的目标特征信息；根据上述目标特征信息从上述待处理场景图像中识别出目标物体图像。