[发明专利]图像识别模型的生成方法、装置、存储介质和电子设备

权利要求书

1.一种图像识别模型的生成方法，其特征在于，所述方法包括：

将目标人体部位对应的待标注图像样本集作为预训练后的第一子模型的输入，以获取所述第一子模型输出的所述待标注图像样本集中每个待标注图像样本对应的第一概率；其中，所述第一子模型为通过所述目标人体部位对应的图像样本集中的训练集对预设的分类模型进行预训练所获得的图像识别模型，所述第一概率用于表征待标注图像样本中包含所述目标人体部位的概率，所述目标人体部位为预设的多种人体部位中的任一人体部位；

根据所述每个待标注图像样本与所述目标人体部位对应的多个已标注图像样本之间的图像相似度，以及所述第一概率，从所述待标注图像样本集中筛选出多个目标图像样本；

输出所述多个目标图像样本，以获取到每个所述目标图像样本对应的目标已标注图像样本，作为目标图像样本集；

通过所述目标图像样本集和所述图像样本集中的测试集对所述第一子模型进行重训练，以获取所述目标人体部位对应的第二子模型；

通过所述多种人体部位中每种人体部位对应的第二子模型构建目标图像识别模型，所述目标图像识别模型用于确定图像中包含的人体部位。

2.根据权利要求1所述的方法，其特征在于，所述根据所述每个待标注图像样本与所述目标人体部位对应的多个已标注图像样本之间的图像相似度，以及所述第一概率，从所述待标注图像样本集中筛选出多个目标图像样本，包括：

根据所述第一概率确定所述每个待标注图像样本对应的分类难度得分，所述分类难度得分是根据所述第一概率与预设概率的接近程度确定的；

获取所述图像相似度；

通过预设的筛选得分计算公式，根据所述图像相似度和所述分类难度得分确定所述每个待标注图像样本对应的筛选得分；

根据所述筛选得分，从所述待标注图像样本集中确定多个目标图像样本，所述目标图像样本对应的筛选得分大于预设得分；

其中，所述筛选得分计算公式表示为：

其中，h表示所述待标注图像样本的筛选得分，f表示所述待标注图像样本的分类难度得分，d表示所述待标注图像样本与所述目标人体部位对应的已标注图像样本之间的图像相似度，β为预设的权重参数。

3.根据权利要求2所述的方法，其特征在于，所述获取所述图像相似度，包括：

针对所述每个待标注图像样本，通过预设的图像特征提取算法，获取该待标注图像样本对应的第一不变矩特征组，所述不变矩特征组包含该待标注图像样本对应的七个不变矩特征；

计算所述第一不变矩特征组和每个所述已标注图像样本对应的第二不变矩特征组之间的相似度；

将多个所述相似度中最大的相似度作为所述图像相似度。

4.根据权利要求1所述的方法，其特征在于，所述通过所述目标图像样本集和所述图像样本集中的测试集对所述第一子模型进行重训练，以获取所述目标人体部位对应的第二子模型，包括：

通过所述目标图像样本集对所述第一子模型进行更新，以获取更新后的第三子模型；

确定所述第三子模型是否满足预设的训练终止条件；

在确定所述第三子模型不满足所述训练终止条件的情况下，将所述第三子模型作为所述第一子模型，重复执行从所述将目标人体部位对应的待标注图像样本集作为预训练后的第一子模型的输入，以获取所述第一子模型输出的所述待标注图像样本集中每个待标注图像样本对应的第一概率至所述通过所述目标图像样本集和所述图像样本集中的测试集对所述第一子模型进行重训练的步骤，直至所述第三子模型满足所述训练终止条件；

将满足所述训练终止条件的第三子模型作为所述第二子模型。

5.根据权利要求4所述的方法，其特征在于，所述确定所述第三子模型是否满足预设的训练终止条件，包括：

通过所述测试集确定所述第三子模型的识别准确率；

在所述识别准确率大于预设准确率的情况下，确定所述第三子模型满足第一预设条件；

在已输入所述第三子模型的所述目标图像样本的总数量大于预设数量的情况下，确定所述第三子模型满足第二预设条件；

在确定所述第三子模型满足所述第一预设条件和所述第二预设条件中的至少一者的情况下，确定所述第三子模型满足所述训练终止条件。