[发明专利]细粒度图像识别模型训练、图像识别方法及装置

权利要求书

1.一种细粒度图像识别模型训练方法，其特征在于，包括：

获取步骤：将有标签细粒度图像和当前无标签细粒度图像输入至当前识别模型，得到所述当前识别模型输出的所述当前无标签细粒度图像的识别结果，以及所述有标签细粒度图像的识别结果；

迭代步骤：基于所述当前无标签细粒度图像的识别结果、所述有标签细粒度图像的识别结果以及所述有标签细粒度图像的标签，对所述当前识别模型进行半监督参数迭代，并以参数迭代后的当前识别模型作为下一识别模型；

筛选步骤：基于上一无标签细粒度图像的识别结果，以及所述当前无标签细粒度图像的识别结果，对所述当前无标签细粒度图像进行筛选，得到下一无标签细粒度图像；所述上一无标签细粒度图像的识别结果是上一识别模型对上一无标签细粒度图像进行识别得到的结果；

训练步骤：基于所述有标签细粒度图像、所述有标签细粒度图像的标签以及所述下一无标签细粒度图像，对所述下一识别模型进行训练；

循环步骤：将训练得到的下一识别模型作为所述当前识别模型，依次循环执行所述获取步骤、所述迭代步骤、所述筛选步骤和所述训练步骤，直至所述下一识别模型达到预设收敛条件后，以所述下一识别模型作为细粒度图像识别模型；

所述基于上一无标签细粒度图像的识别结果，以及所述当前无标签细粒度图像的识别结果，对所述当前无标签细粒度图像进行筛选，得到下一无标签细粒度图像，包括：

基于所述上一无标签细粒度图像的识别结果，以及所述当前无标签细粒度图像的识别结果，确定预测值变化幅度；所述预测值变化幅度用于表征所述上一无标签细粒度图像的识别结果与所述当前无标签细粒度图像的识别结果之间的差异；

将所述预测值变化幅度小于周期性阈值的当前无标签细粒度图像作为所述下一无标签细粒度图像；所述周期性阈值基于所述当前识别模型的迭代次数确定。

2.根据权利要求1所述的细粒度图像识别模型训练方法，其特征在于，所述预测值变化幅度基于如下公式确定：

其中，表示所述预测值变化幅度，表示所述上一无标签细粒度图像的识别结果，表示所述当前无标签细粒度图像的识别结果，表示所述当前识别模型输出的类别数。

3.根据权利要求1至2任一项所述的细粒度图像识别模型训练方法，其特征在于，所述将有标签细粒度图像和当前无标签细粒度图像输入至当前识别模型，之前还包括：

获取初始有标签细粒度图像和初始无标签细粒度图像；

对所述初始有标签细粒度图像和所述初始无标签细粒度图像进行数据增强，得到有标签细粒度图像和无标签细粒度图像。

4.根据权利要求1至2任一项所述的细粒度图像识别模型训练方法，其特征在于，首个识别模型基于样本图像以及样本图像标签训练得到。

5.一种图像识别方法，其特征在于，包括：

确定待识别图像；

将所述待识别图像输入至细粒度图像识别模型，得到所述细粒度图像识别模型输出的图像识别结果；所述细粒度图像识别模型基于权利要求1至4任一项所述的细粒度图像识别模型训练方法训练得到。