[发明专利]识别方法、训练方法、装置、电子设备以及存储介质

权利要求书

1.一种图像识别方法，包括：

利用识别模型提取待识别异构图像中的目标对象的特征向量，所述待识别异构图像包括对真实对象进行模拟后得到的虚拟图像；

计算所述目标对象的特征向量与模板特征向量之间的相似度，得到相似度结果；以及

基于所述相似度结果，确定所述目标对象的属性信息；

其中，所述识别模型是利用样本异构图像训练初始识别模型后得到的。

2.根据权利要求1所述的方法，还包括：

识别初始异构图像中的所述目标对象，得到所述目标对象位于所述初始异构图像中的位置信息；以及

基于所述位置信息，裁切所述初始异构图像，得到包含所述目标对象的所述待识别异构图像。

3.根据权利要求2所述的方法，还包括：

识别所述待识别异构图像中的所述目标对象，得到所述目标对象的类别信息；以及

在确定所述类别信息与预设类别信息匹配的情况下，执行利用所述识别模型提取所述待识别异构图像中的所述目标对象的特征向量的操作。

4.根据权利要求1所述的方法，还包括：

利用所述识别模型提取模板图像中的模板对象的特征向量，得到所述模板特征向量，

其中，所述模板图像包括非异构模板图像和异构模板图像。

5.根据权利要求4所述的方法，其中，所述基于所述相似度结果，确定所述目标对象的属性信息包括：

在所述相似度结果大于或等于预设相似度阈值的情况下，确定所述待识别异构图像中的所述目标对象的属性信息与所述模板对象的属性信息相同；以及

在所述相似度结果小于所述预设相似度阈值的情况下，确定所述待识别异构图像中所述目标对象的属性信息与所述模板对象的属性信息不同。

6.根据权利要求1所述的方法，其中，所述识别模型通过以下操作训练得到：

将所述样本异构图像输入至所述初始识别模型中，得到所述样本异构图像中的对象的特征向量；

将所述特征向量输入至全连接层，得到针对所述对象的类别结果；

基于所述类别结果和所述样本异构图像中的对象的标签，调整所述初始识别模型的参数和所述全连接层的参数，直到所述初始识别模型和所述全连接层满足训练要求；以及

将满足所述训练要求的初始识别模型作为所述识别模型；

其中，所述样本异构图像中的对象的标签指示了所述样本异构图像中所述对象的类别。

7.一种识别模型的训练方法，包括：

将样本异构图像输入至初始识别模型中，得到所述样本异构图像中的对象的特征向量；

将所述特征向量输入至全连接层，得到针对所述对象的类别结果；

基于所述类别结果和所述样本异构图像中的对象的标签，调整所述初始识别模型的参数和所述全连接层的参数，直到所述初始识别模型和所述全连接层满足训练要求；以及

将满足所述训练要求的初始识别模型作为所述识别模型；

其中，所述样本异构图像中的对象的标签指示了所述样本异构图像中的所述对象的类别。

8.根据权利要求7所述的方法，其中，所述初始识别模型包括基于卷积神经网络与编码器融合得到的模型；

其中，所述基于所述类别结果和所述样本异构图像中的对象的标签，调整所述初始识别模型的参数和所述全连接层的参数，直到所述初始识别模型和所述全连接层满足训练要求包括：

将所述类别结果与所述标签输入至损失函数中，生成损失值；

根据所述损失值，调整所述初始识别模型的参数和所述全连接层的参数，直到所述损失函数收敛。

9.根据权利要求8所述的方法，其中，所述损失函数包括交叉熵损失函数和三元组损失函数的结合。

10.根据权利要求7所述的方法，还包括：

对所述样本异构图像进行扩增操作，得到扩增样本异构图像，以便基于所述样本异构图像和所述扩增样本异构图像训练所述初始识别模型。