[发明专利]一种对象识别方法、装置、设备及存储介质

权利要求书

1.一种对象识别方法，其特征在于，包括：

获取目标异质场景中的待识别图像；

基于预先建立的多个识别模型中的一个，对所述待识别图像中的待识别对象进行识别；

其中，所述多个识别模型采用目标异质场景中的训练样本集以及所述训练样本集的目标分类结果训练得到，所述训练样本集的目标分类结果通过对所述训练样本集分别在所述多个识别模型上的分类结果融合得到，所述训练样本集在一识别模型上的分类结果根据从该识别模型针对所述训练样本集中每个样本确定的特征表示向量中提取的唯一性特征向量确定，所述唯一性特征向量为能够唯一表征对应样本中对象的特征向量。

2.根据权利要求1所述的对象识别方法，其特征在于，所述基于预先建立的多个识别模型中的一个，对所述待识别图像中的待识别对象进行识别，包括：

基于所述多个识别模型中最优的识别模型，对所述待识别图像进行识别；

从所述多个识别模型中确定最优识别模型，包括：

将所述目标异质场景中的测试样本对输入每个识别模型，以得到每个识别模型针对所述测试样本对确定的两个特征表示向量，其中，所述测试样本对为同一对象的两个不同模态的图像；

计算每个识别模型针对所述测试样本对确定的两个特征表示向量的相似度，以得到分别对应于各识别模型的相似度；

根据分别对应于各识别模型的相似度，从所述多个识别模型中确定最优的识别模型。

3.根据权利要求1所述的对象识别方法，其特征在于，建立所述多个识别模型的过程包括：

基于每个识别模型确定所述训练样本集中各样本分别对应的特征表示向量，以得到每个识别模型对应的特征表示向量集；

从每个识别模型对应的特征表示向量集中的每个特征表示向量中提取唯一性特征向量，以得到每个识别模型对应的唯一性特征向量集；

根据每个识别模型对应的唯一性特征向量集，对所述训练样本集中的样本进行分类，以得到所述训练样本集在每个识别模型上的分类结果；

将所述训练样本集分别在各识别模型上的分类结果进行融合，融合结果作为所述训练样本集的目标分类结果；

以所述训练样本集的目标分类结果为依据，确定每个识别模型的预测损失，并根据确定出的预测损失对对应的识别模型进行参数更新。

4.根据权利要求3所述的对象识别方法，其特征在于，所述将所述训练样本集分别在各识别模型上的分类结果进行融合，包括：

对于由所述训练样本集中的样本组成的多个样本对中的每个样本对：

若所述训练样本集分别在各识别模型上的分类结果中，该样本对中的两个样本均属于同一类，则确定该样本对中的两个样本属于同一类，否则，确定该样本对中的两个样本属于不同类。

5.根据权利要求3所述的对象识别方法，其特征在于，针对一待确定预测损失的目标识别模型，以所述训练样本集的目标分类结果为依据，确定所述目标识别模型的预测损失，包括：

获取所述训练样本集中各样本分别对应的三元组，其中，所述训练样本集中每个样本对应的三元组根据所述训练样本集的目标分类结果构建，一个样本对应的三元组包括该样本、与该样本属于同一类的样本以及与该样本属于不同类的样本；

根据所述训练样本集中各样本分别对应的三元组以及所述目标识别模型对应的唯一性特征向量集，确定所述目标识别模型的第一预测损失。