[发明专利]图像识别方法和装置

说明书

本公开提供了图像识别模型的训练方法及其装置、以及图像识别方法及其装置，涉及人工智能领域，尤其涉及深度学习、图像分类、智能媒体技术领域。具体实现方案包括：根据第一损失函数，利用具有类别标签的第一图像对图像识别模型进行训练，得到第一图像识别模型；将无标签的第二图像输入第一图像识别模型，得到第二图像被分类为类别的第一评估值；第一评估值大于第一预定阈值的情况下，将类别标签添加至第二图像，得到具有类别标签的第二图像；以及根据第二损失函数，利用具有类别标签的第二图像训练第一图像识别模型，得到经训练的图像识别模型。

技术领域

本公开涉及人工智能领域，尤其涉及深度学习、图像分类、智能媒体技术领域，具体涉及一种图像识别模型的训练方法及其装置、图像识别方法及其装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、以及计算机程序产品。

背景技术

图像分类作为深度学习的重要应用领域得到了发展。随着训练规模的增大，存在标注数据成本高的问题。在应用时，容易获取大量未标注数据，所以如何基于小部分已标注图像准确识别大量未标注图像成为人们研究的重点。比如，图像分类任务中只有10w张已标注图像，但是有100w张未标注图像，如果可以解决该问题，那么只需要原来十分之一或者五分之一的标注图像就可以达到原来的准确识别率，这将降低实际应用中标注图像的工作量。

发明内容

本公开提供了一种图像识别模型的训练方法及其装置、图像识别方法及其装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质、以及计算机程序产品。

根据本公开的一方面，提供了一种图像识别模型的训练方法，包括：

根据第一损失函数，利用具有类别标签的第一图像对图像识别模型进行训练，得到第一图像识别模型；

将无标签的第二图像输入所述第一图像识别模型，得到所述第二图像被分类为所述类别的第一评估值；

在所述第一评估值大于第一预定阈值的情况下，将所述类别标签添加至所述第二图像，得到具有所述类别标签的第二图像；以及

根据第二损失函数，利用所述具有类别标签的第二图像训练所述第一图像识别模型，得到经训练的图像识别模型。

根据本公开的另一方面，提供了一种图像识别方法，包括：

将目标图像输入图像识别模型，得到针对所述目标图像的识别结果；

其中，所述图像识别模型是利用根据上述本公开实施例的图像识别模型的训练方法训练的。

根据本公开的另一方面，提供了一种图像识别模型的训练装置，包括：

第一训练单元，被配置为根据第一损失函数，利用具有类别标签的第一图像对图像识别模型进行训练，得到第一图像识别模型；

评估单元，被配置为将无标签的第二图像输入所述第一图像识别模型，得到所述第二图像被分类为所述类别的第一评估值；

添加单元，被配置为在所述第一评估值大于第一预定阈值的情况下，将所述类别标签添加至所述第二图像，得到具有所述类别标签的第二图像；以及

第二训练单元，被配置为根据第二损失函数，利用所述具有类别标签的第二图像训练所述第一图像识别模型，得到经训练的图像识别模型。

根据本公开的另一方面，提供了一种图像识别装置，包括：

输入单元，被配置为将目标图像输入图像识别模型，得到针对所述目标图像的识别结果；

其中，所述图像识别模型是利用根据本公开实施例的图像识别模型的训练方法训练的。

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