【技术实现步骤摘要】
用于生成图像识别模型的方法和装置
本申请实施例涉及计算机
，具体涉及用于生成图像识别模型的方法和装置。
技术介绍
目前，图像识别技术的应用领域越来越广泛，利用图像识别模型对图像进行识别，是图像识别技术的一种常用手段。图像识别模型通常是利用大量的训练样本进行训练得到的模型，为了使图像识别模型能够识别出某图像中的目标图像(例如水印图像、人物图像、物体图像等)，通常需要利用包含目标图像的样本图像进行训练以得到图像识别模型。
技术实现思路
本申请实施例提出了用于生成图像识别模型的方法和装置，以及用于提取图像的方法和装置。第一方面，本申请实施例提供了一种用于生成图像识别模型的方法，该方法包括：获取训练样本集合，其中，训练样本包括样本对象图像、正样本图像和负样本图像，正样本图像中包括目标区域图像，目标区域图像表征的对象与样本对象图像表征的对象相同；从训练样本集合中选取训练样本，执行如下训练步骤：将选取的训练样本包括的样本对象图像、正样本图像、负样本图像分别输入初始模型，得到样本对象图像的特征向量作为第一特征向量、正样本图像的特征向量作为第二特征向量、负样本图像的特征向量作为...
【技术保护点】
1.一种用于生成图像识别模型的方法，包括：获取训练样本集合，其中，训练样本包括样本对象图像、正样本图像和负样本图像，正样本图像中包括目标区域图像，目标区域图像表征的对象与样本对象图像表征的对象相同；从所述训练样本集合中选取训练样本，执行如下训练步骤：将选取的训练样本包括的样本对象图像、正样本图像、负样本图像分别输入初始模型，得到样本对象图像的特征向量作为第一特征向量、正样本图像的特征向量作为第二特征向量、负样本图像的特征向量作为第三特征向量；确定第二距离与第一距离的差值是否大于等于预设距离，其中，第二距离是第三特征向量与第一特征向量之间的距离，第一距离是第二特征向量与第一特...
【技术特征摘要】
1.一种用于生成图像识别模型的方法，包括：获取训练样本集合，其中，训练样本包括样本对象图像、正样本图像和负样本图像，正样本图像中包括目标区域图像，目标区域图像表征的对象与样本对象图像表征的对象相同；从所述训练样本集合中选取训练样本，执行如下训练步骤：将选取的训练样本包括的样本对象图像、正样本图像、负样本图像分别输入初始模型，得到样本对象图像的特征向量作为第一特征向量、正样本图像的特征向量作为第二特征向量、负样本图像的特征向量作为第三特征向量；确定第二距离与第一距离的差值是否大于等于预设距离，其中，第二距离是第三特征向量与第一特征向量之间的距离，第一距离是第二特征向量与第一特征向量之间的距离；响应于确定大于等于，将初始模型作为训练完成的图像识别模型。2.根据权利要求1所述的方法，其中，所述方法还包括：响应于确定第二距离与第一距离的差值小于预设距离，调整初始模型的参数，以及从所述训练样本集合中的、未被选取的训练样本中，选取训练样本，使用参数调整后的初始模型作为初始模型，继续执行所述训练步骤。3.根据权利要求1所述的方法，其中，训练样本还包括与正样本图像对应的样本标注信息，样本标注信息用于指示样本图像中的目标区域图像的位置；以及初始模型通过如下步骤生成：将所述训练样本集合中的训练样本包括的样本图像作为输入，将与输入的样本图像对应的标注信息作为期望输出，利用机器学习方法，训练得到初始模型。4.根据权利要求1-3之一所述的方法，其中，正样本图像的生成方式包括以下至少一种：基于预设的背景图像与样本对象图像融合生成，对包括目标区域图像的初始图像进行标注生成。5.一种用于提取图像的方法，包括：获取基准对象图像和待匹配图像集合；将所述基准对象图像输入预先训练的图像识别模型，得到所述基准对象图像的特征向量，其中，所述图像识别模型是根据权利要求1-4之一所述的方法生成的；对于所述待匹配图像集合中的待匹配图像，将该待匹配图像输入所述图像识别模型，得到该待匹配图像的特征向量；计算该待匹配图像的特征向量与所述基准对象图像的特征向量的距离；响应于确定计算得到的距离小于等于预设的距离阈值，提取该待匹配图像作为与所述基准对象图像匹配的图像。6.根据权利要求5所述的方法，其中，待匹配图像通过如下步骤得到：获取待处理图像；将所述待处理图像分割为至少两个子图像；将分割得到的子图像确定为待匹配图像。7.一种用于生成图像识别模型的装置，包括：获取单元，被配置成获取训练样本集合，其中，训练样本包括样本对象图像、正样本图像和负样本图像，正样本图像中包括目标区域图像，目标区域图像表征的对象与样本对象图像表征的对...
【专利技术属性】
技术研发人员：周恺卉，周多友，王长虎，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。