[发明专利]图像识别方法及装置

说明书

本申请实施例公开了一种图像识别方法及装置；该方法重新定义了图神经网络的参数以及后续的图像识别网络，之后通过所述型号特征提取网络和所述个体特征提取网络对所述参考图像和所述候选图像进行特征提取，并根据提取结果构建所述参考图像对应的待分类图神经网络，最后通过所述图节点分类网络处理所述待分类图神经网络，得到节点对应图像对中图像之间的相似度参数；本发明基于图像的型号特征和个体特征、候选图像之间的相似度来确定参考图像和候选图像之间的相似度，这样就可以提升图像识别的准确性，进而可以提高车辆重识别的效率等。

技术领域

本申请涉及图像识别领域，具体涉及一种图像识别方法及装置。

背景技术

图像识别技术都从多个候选图像中识别出与参考图像属于一个对象的图像，其应用在生活的方法面面，例如本申请后文涉及的车辆重识别技术等应用场景。车辆重识别是一种车辆图像快速搜索的技术，其目的是对于给定的车辆图像，检索出特定图像库/视频库中具有与目标图像相同身份的车辆图像/视频片段；车辆重识别对城市道路监控智能化管理，智慧城市全面建设等方面具有重要的实际意义。

当前车辆重识别方法是基于深度卷积网络（一般为文本识别网络）对车辆图像进行识别得到车牌等唯一标识，基于这些唯一标识对车辆图像是否是同一车辆进行快速识别。但是该方法过度依赖文本识别网络准确性，如果文本识别网络将相近的文本（例如0和C等）识别错误，就是导致图像归属失败。即便文本识别网络识别无误，针对套牌车辆的车辆图像也只能错误归类。

即当前基于对象标识的图像识别方式存在识别准确率低的技术问题。

发明内容

本申请实施例提供一种图像识别方法及装置，以缓解当前图像识别方式存在的识别准确率低的技术问题。

为解决上述技术问题，本申请实施例提供以下技术方案：

本申请实施例提供一种基于图神经网络的图像识别方法，包括：

调用图神经网络、以及训练后的图像识别网络；其中，所述图神经网络中节点的节点特征与节点对应图像对中参考图像和候选图像的型号特征和个体特征相关，节点间的连边权重与相关节点对中的候选图像之间的相似度相关，所述图像对由参考图像和候选图像组成；所述图像识别网络包括型号特征提取网络、个体特征提取网络、以及图节点分类网络；

通过所述型号特征提取网络和所述个体特征提取网络对所述参考图像和所述候选图像进行特征提取，得到所述参考图像的型号特征和个体特征、以及所述候选图像的型号特征和个体特征；

根据所述图神经网络、所述参考图像的型号特征和个体特征、以及所述候选图像的型号特征和个体特征，构建所述参考图像对应的待分类图神经网络；

通过所述图节点分类网络处理所述待分类图神经网络，得到节点对应图像对中图像之间的相似度参数。

在一种实施例中，根据预设的图神经网络、所述参考图像的型号特征和个体特征、以及所述候选图像的型号特征和个体特征，构建所述参考图像对应的待分类图神经网络的步骤，包括：

确定由参考图像和候选图像组成的多个图像对，并将图像对确定为待分类图神经网络中节点对应的图像对；

根据图像对中参考图像和候选图像的型号特征和个体特征的差异值，确定节点的节点特征；

根据连边相关节点对中的候选图像的型号特征和个体特征的差异值，确定连边权重。

在一种实施例中，实现所述根据图像对中参考图像和候选图像的型号特征和个体特征的差异值，确定节点的节点特征的步骤的方式，包括：

将图像对中参考图像的个体特征和候选图像的个体特征的特征向量差，确定为节点的节点特征。