[发明专利]模型训练、图像识别方法和装置、电子设备及存储介质

权利要求书

1.一种图像识别模型训练方法，其特征在于，包括：

通过预设的图像分类层对图像特征进行分类处理，得到分类结果，其中，该图像分类层属于预设的神经网络模型，该图像特征基于该神经网络模型的特征提取层对样本图像进行处理得到；

通过预设的图像重构层对所述图像特征进行重构处理，得到重构图像，其中，该图像重构层属于所述神经网络模型；

通过所述神经网络模型中的损失确定层对所述重构图像进行损失确定处理得到重构损失、对所述分类结果进行损失确定处理得到分类损失；

基于所述重构损失和所述分类损失对所述神经网络模型进行更新处理，得到图像识别模型，其中，该图像识别模型用于对目标图像进行识别。

2.根据权利要求1所述的图像识别模型训练方法，其特征在于，所述基于所述重构损失和所述分类损失对所述神经网络模型进行更新处理，得到图像识别模型的步骤，包括：

基于所述重构损失和所述分类损失进行求和处理，得到损失总值；

基于所述损失总值和预设的反向传播算法对所述神经网络模型进行更新处理，得到图像识别模型。

3.根据权利要求2所述的图像识别模型训练方法，其特征在于，所述基于所述损失总值和预设的反向传播算法对所述神经网络模型进行更新处理，得到图像识别模型的步骤，包括：

a，基于得到的损失总值和预设的反向传播算法对所述神经网络模型进行更新处理，得到新的神经网络模型，其中，该新的神经网络模型用于再次对所述样本图像进行处理，得到新的损失总值；

b，判断所述新的损失总值是否小于预设损失值，并在该新的损失总值小于该预设损失值时，将最后一次更新处理得到的神经网络模型作为图像识别模型，在该新的损失总值不小于该预设损失值时，再次执行步骤a。

4.根据权利要求1-3任意一项所述的图像识别模型训练方法，其特征在于，所述对所述重构图像进行损失确定处理得到重构损失的步骤，包括：

针对每一张重构图像，通过所述损失确定层确定该重构图像与对应的样本图像之间的像素损失，其中，该重构图像为多个，该样本图像为多个；

通过所述损失确定层对确定的多个所述像素损失进行第一损失计算处理，得到重构损失。

5.根据权利要求1-3任意一项所述的图像识别模型训练方法，其特征在于，所述对所述分类结果进行损失确定处理得到分类损失的步骤，包括：

通过所述损失确定层获得多个预设的分类标签，其中，该分类标签基于对多个所述样本图像进行标识处理生成；

通过所述损失确定层对所述分类结果和所述分类标签进行第二损失计算处理，得到分类损失。

6.一种图像识别方法，其特征在于，包括：

获得目标图像，并将该目标图像输入至预设的图像识别模型，其中，该图像识别模型基于权利要求1-5任意一项所述的图像识别模型训练方法训练得到；

通过所述图像识别模型对所述目标图像进行识别处理，得到识别结果。

7.一种图像识别模型训练装置，其特征在于，包括：

特征分类模块，用于通过预设的图像分类层对图像特征进行分类处理，得到分类结果，其中，该图像分类层属于预设的神经网络模型，该图像特征基于该神经网络模型的特征提取层对样本图像进行处理得到；

特征重构模块，用于通过预设的图像重构层对所述图像特征进行重构处理，得到重构图像，其中，该图像重构层属于所述神经网络模型；

损失确定模块，用于通过所述神经网络模型中的损失确定层对所述重构图像进行损失确定处理得到重构损失、对所述分类结果进行损失确定处理得到分类损失；

模型更新模块，用于基于所述重构损失和所述分类损失对所述神经网络模型进行更新处理，得到图像识别模型，其中，该图像识别模型用于对目标图像进行识别。