[发明专利]图像识别方法、装置及存储介质

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取待识别图像；

通过第一神经网络模型提取所述待识别图像的高维特征向量，所述第一神经网络模型为训练好的神经网络模型；

根据所述待识别图像的高维特征向量以及多个参考图像样本的高维特征向量和图像类别，确定所述待识别图像的图像类别，所述多个参考图像样本的高维特征向量通过所述第一神经网络模型提取得到。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述第一神经网络模型提取所述多个参考图像样本中每个参考图像样本的高维特征向量；

将每个参考图像样本的高维特征向量和相应参考图像样本的图像类别对应存储。

3.根据权利要求1所述的方法，其特征在于，所述根据所述待识别图像的高维特征向量以及多个参考图像样本的高维特征向量和图像类别，确定所述待识别图像的图像类别，包括：

确定所述待识别图像的高维特征向量与每个参考图像样本的高维特征向量之间的相似度；

确定与所述待识别图像的高维特征向量的相似度最高的目标参考图像样本；

将所述目标参考图像样本的图像类别作为所述待识别图像的图像类别。

4.根据权利要求1-3任一所述的方法，其特征在于，所述多个参考图像样本中存在图像类别与多个训练图像样本的图像类别不同的图像样本，所述多个训练图像样本是指用于训练得到所述第一神经网络模型的图像样本。

5.根据权利要求1-3任一所述的方法，其特征在于，所述方法还包括：

获取多个训练图像样本；

通过所述多个训练图像样本对第二神经网络模型进行训练，所述第二神经网络模型包括分类层；

删除训练好的第二神经网络模型的分类层，得到所述第一神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述删除训练好的第二神经网络模型的分类层之前，还包括：

获取多个测试图像样本；

通过所述训练好的第二神经网络模型对所述多个测试图像样本进行识别；

如果对所述多个测试图像样本的识别准确率大于参考阈值，则执行删除训练好的第二神经网络模型的分类层的步骤。

7.一种图像识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别图像；

提取模块，用于通过第一神经网络模型提取所述待识别图像的高维特征向量，所述第一神经网络模型为训练好的神经网络模型；

识别模块，用于根据所述待识别图像的高维特征向量以及多个参考图像样本的高维特征向量，确定所述待识别图像的图像类别，所述多个参考图像样本的高维特征向量通过所述第一神经网络模型提取得到。

8.根据权利要求7所述的装置，其特征在于，所述提取模块还用于：

通过所述第一神经网络模型提取所述多个参考图像样本中每个参考图像样本的高维特征向量；

将每个参考图像样本的高维特征向量和相应参考图像样本的图像类别对应存储。

9.根据权利要求8所述的装置，其特征在于，所述识别模块具体用于：

确定所述待识别图像的高维特征向量与每个参考图像样本的高维特征向量之间的相似度；

确定与所述待识别图像的高维特征向量的相似度最高的目标参考图像样本；

将所述目标参考图像样本的图像类别作为所述待识别图像的图像类别。

10.根据权利要求7-9任一所述的装置，其特征在于，所述多个参考图像样本中存在图像类别与多个训练图像样本的图像类别不同的图像样本，所述多个训练图像样本是指用于训练得到所述第一神经网络模型的图像样本。