[发明专利]一种对象识别方法、装置、设备及存储介质

说明书

本申请提供了一种对象识别方法、装置、设备及存储介质，其中，识别方法包括：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，对待识别图像中的待识别对象进行识别，多个识别模型采用目标异质场景中的训练样本集训练得到，每个识别模型根据对应的预测损失进行参数更新，每个识别模型对应的预测损失根据训练样本集的目标分类结果确定，训练样本集的目标分类结果通过对训练样本集分别在多个识别模型上的分类结果融合得到，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。本申请提供的对象识别方法对目标异质场景中的图像具有较好的识别效果。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种对象识别方法、装置、设备及存储介质。

背景技术

目前的对象识别技术主要聚焦于同质场景，即目前的对象识别方案主要为针对相同模态图像的识别方案，当应用该方案对异质场景中不同模态的图像进行识别时，由于异质场景中不同模态之间的差异性，导致目前的对象识别方案的识别效果不佳。

比如，目前的人脸识别方案关注的是同质场景中人脸图像(即相同模态的人脸图像)的识别，并未关注异质场景中不同模态之间的差异性，这导致利用目前的人脸识别方案对异质场景中的人脸图像进行识别时，相比于同质场景，识别效果明显下降。

发明内容

有鉴于此，本申请提供了一种对象识别方法、装置、设备及存储介质，用以解决目前的对象识别方案对于异质场景中的图像识别效果不佳的问题，其技术方案如下：

一种对象识别方法，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。

可选的，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。

可选的，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；