[发明专利]识别方法、训练方法、装置、电子设备以及存储介质

说明书

本公开公开了图像识别方法、识别模型的训练方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及计算机视觉技术领域。具体实现方案为：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，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；以及基于相似度结果，确定目标对象的属性信息；其中，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。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉技术领域。具体涉及图像识别方法、识别模型的训练方法、装置、电子设备、存储介质以及程序产品。

背景技术

随着网络上图像数据数量呈现爆炸式增长，海量的数据源以及丰富的数据层次，使得依靠人工来分析和处理这些视频数据变得越来越困难。计算机视觉技术为解放人力提供巨大潜力。计算机视觉是一门研究如何使用电子设备“看”的科学，即，利用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等的科学技术。计算机视觉技术为网络应用发展提供巨大帮助。

发明内容

本公开提供了一种图像识别方法、识别模型的训练方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种图像识别方法，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，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；以及基于相似度结果，确定目标对象的属性信息；其中，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。

根据本公开的一方面，提供了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，得到样本异构图像中的对象的特征向量；将特征向量输入至全连接层，得到针对对象的类别结果；基于类别结果和样本异构图像中的对象的标签，调整初始识别模型的参数和全连接层的参数，直到初始识别模型和全连接层满足训练要求；以及将满足训练要求的初始识别模型作为识别模型；其中，样本异构图像中的对象的标签指示了样本异构图像中的对象的类别。

根据本公开的另一方面，提供了一种图像识别装置，包括：提取模块，用于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，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；计算模块，用于计算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；以及信息确定模块，用于基于相似度结果，确定目标对象的属性信息；其中，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。。

根据本公开的另一方面，提供了一种识别模型的训练装置，包括：第一输入模块，用于将样本异构图像输入至初始识别模型中，得到样本异构图像中的对象的特征向量；第二输入模块，用于将特征向量输入至全连接层，得到针对对象的类别结果；调参模块，用于基于类别结果和样本异构图像中的对象的标签，调整初始识别模型的参数和全连接层的参数，直到初始识别模型和全连接层满足训练要求；以及模型确定模块，用于将满足训练要求的初始识别模型作为识别模型；其中，样本异构图像中的对象的标签指示了样本异构图像中的对象的类别。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的识别模型的训练方法以及如上所述的图像识别方法。

根据本公开的另一方面，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，所述计算机指令用于使所述计算机执行如上所述的识别模型的训练方法以及如上所述的图像识别方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的识别模型的训练方法以及如上所述的图像识别方法。