[发明专利]训练图像识别模型和图像识别的方法和装置

说明书

本公开提供了训练图像识别模型和图像识别的方法和装置，涉及人工智能领域，尤其涉及深度学习、计算机视觉领域。具体实现方案为：获取有标签的样本集、无标签的样本集和知识蒸馏网络；执行以下训练步骤：从有标签的样本集和无标签的样本集中选取输入样本，并累加迭代次数；将输入样本分别输入知识蒸馏网络的学生网络和教师网络，训练学生网络和教师网络；若满足训练完成条件，则从学生网络和教师网络中选取图像识别模型。通过该实施方式能够减少人工标注量并提高模型的性能。

技术领域

本公开涉及人工智能领域，尤其涉及深度学习、计算机视觉领域，具体为训练图像识别模型和图像识别的方法和装置。

背景技术

在图像分类领域中，知识蒸馏方法已经有较多比较成熟的方法，基本都是让学生网络去学习教师网络的软标签输出或者特征图。但是在OCR(Optical CharacterRecognition，光学字符识别)识别任务中，知识蒸馏的应用目前很少，对于CRNN(Convolutional Recurrent Neural Network，卷积循环神经网络)模型来说，直接对学生网络的软标签进行蒸馏，效果反而没有直接基于标注信息训练的精度高。此外，在蒸馏的时候，一般需要有一个精度更高的教师网络去指导学生网络的训练。但是用于监督的特征因为网络较小，其表达能力仍然具有局限性。

发明内容

本公开提供了一种训练图像识别模型和图像识别的方法、装置、设备、存储介质以及计算机程序产品。

根据本公开的第一方面，提供了一种训练图像识别模型的方法，包括：获取有标签的样本集、无标签的样本集和知识蒸馏网络，其中，有标签的样本集的样本包括样本图像和真实标签，无标签的样本集的样本包括样本图像和统一标识。执行以下训练步骤：从所述有标签的样本集和无标签的样本集中选取输入样本，并累加迭代次数；将所述输入样本分别输入所述知识蒸馏网络的学生网络和教师网络，训练所述学生网络和所述教师网络；若满足训练完成条件，则从所述学生网络和所述教师网络中选取图像识别模型。

根据本公开的第二方面，提供了一种图像识别的方法，包括：获取待识别的图像。将图像输入采用第一方面的方法生成的图像识别模型中，生成识别结果。

根据本公开的第三方面，提供了一种训练图像识别模型的装置，包括：获取单元，被配置成获取有标签的样本集、无标签的样本集和知识蒸馏网络，其中，有标签的样本集的样本包括样本图像和真实标签，无标签的样本集的样本包括样本图像和统一标识。训练单元，被配置成执行以下训练步骤：从所述有标签的样本集和无标签的样本集中选取输入样本，并累加迭代次数；将所述输入样本分别输入所述知识蒸馏网络的学生网络和教师网络，训练所述学生网络和所述教师网络；若满足训练完成条件，则从所述学生网络和所述教师网络中选取图像识别模型。

根据本公开的第四方面，提供了一种图像识别装置，包括：获取单元，被配置成获取待识别的图像。识别单元，被配置成将图像输入采用第三方面的装置生成的图像识别模型中，生成识别结果。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器。以及与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面或第二方面的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行第一方面或第二方面的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现第一方面或第二方面的方法。

本公开的实施例提供的训练图像识别模型的方法和装置，可以有效地将知识蒸馏方法应用在基于CRNN的OCR识别任务中，在让小模型精度提升的情况下，保持其在预测时的计算量完全不变，提升了模型的实用性。充分利用了无标签数据的语义信息，进一步提升了识别模型的精度与泛化性能。可以很好地扩展到其他的视觉任务中。