【技术实现步骤摘要】
图片识别方法、目标识别模型训练方法及装置
本专利技术涉及计算机领域，具体而言，涉及一种图片识别方法、目标识别模型训练方法及装置。
技术介绍
相关技术中，在使用模型识别图片的类型之前，通常需要使用多个类型的样本图片对模型进行训练，然后，使用训练后的模型对待识别的图片进行识别。然而，若是采用上述方法，则需要每一类样本图片的数量都十分充足。若是有一类或几类样本图片的数量较少，则训练出的模型的识别准确度低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图片识别方法、目标识别模型训练方法及装置，以至少解决相关技术中识别待识别图片的类型的效率低的技术问题。根据本专利技术实施例的一个方面，提供了一种图片识别方法，包括：获取待识别图片；将上述待识别图片输入到目标识别模型中，其中，上述目标识别模型为使用多个类型的样本图片对原始识别模型进行训练得到的模型，上述多个类型的样本图片用于形成在对上述原始识别模型进行训练时使用到的多组多元组图片，上述多组多元组图片中的每一组多元组图片包括上述多个类型的样本图片中的一个类型的当前样本图片、上述一个类型的第一样...
【技术保护点】
1.一种图片识别方法，其特征在于，包括：获取待识别图片；将所述待识别图片输入到目标识别模型中，其中，所述目标识别模型为使用多个类型的样本图片对原始识别模型进行训练得到的模型，所述多个类型的样本图片用于形成在对所述原始识别模型进行训练时使用到的多组多元组图片，所述多组多元组图片中的每一组多元组图片包括所述多个类型的样本图片中的一个类型的当前样本图片、所述一个类型的第一样本图片、以及所述多个类型中与所述一个类型不同的至少一个类型的第二样本图片，训练好的所述目标识别模型满足目标条件，所述目标条件为使用所述目标识别模型得到的所述当前样本图片与所述第一样本图片的第一相似度大于所述当前...
【技术特征摘要】
1.一种图片识别方法，其特征在于，包括：获取待识别图片；将所述待识别图片输入到目标识别模型中，其中，所述目标识别模型为使用多个类型的样本图片对原始识别模型进行训练得到的模型，所述多个类型的样本图片用于形成在对所述原始识别模型进行训练时使用到的多组多元组图片，所述多组多元组图片中的每一组多元组图片包括所述多个类型的样本图片中的一个类型的当前样本图片、所述一个类型的第一样本图片、以及所述多个类型中与所述一个类型不同的至少一个类型的第二样本图片，训练好的所述目标识别模型满足目标条件，所述目标条件为使用所述目标识别模型得到的所述当前样本图片与所述第一样本图片的第一相似度大于所述当前样本图片与所述第二样本图片的第二相似度；获取所述目标识别模型输出的识别结果，其中，所述识别结果至少用于表示所述待识别图片属于所述多个类型中的目标类型。2.根据权利要求1所述的方法，其特征在于，在获取待识别图片之前，还包括：从所述多个类型的样本图片中提取出所述多组多元组图片；使用所述多组多元组图片对所述原始识别模型中的参数进行调整，得到所述目标识别模型。3.根据权利要求2所述的方法，其特征在于，从所述多个类型的样本图片中提取出所述多组多元组图片包括：将所述多个类型的样本图片中的每一张样本图片作为所述当前样本图片，执行以下步骤，直到遍历所述多个类型的样本图片中的每一张图片，以得到所述多组多元组图片：获取与所述当前样本图片同为所述一个类型的所述第一样本图片；确定所述多个类型的样本图片中除所述一个类型之外的其他每一种类型；从所述其他每一种类型中确定一张图片，作为所述第二样本图片；将所述当前样本图片、所述第一样本图片与所述第二样本图片确定为一组多元组图片。4.根据权利要求2所述的方法，其特征在于，从所述多个类型的样本图片中提取出所述多组多元组图片包括：将所述多个类型的样本图片中的每一张图片作为所述当前样本图片，执行以下步骤，直到遍历所述多个类型的样本图片中的每一张图片，以得到所述多组多元组图片：获取与所述当前样本图片同为所述一个类型的所述第一样本图片；确定所述多个类型的样本图片中除所述一个类型之外的其他一个类型；从所述其他一个类型中确定至少一张图片，作为所述第二样本图片；将所述当前样本图片、所述第一样本图片与所述第二样本图片确定为一组多元组图片。5.根据权利要求2所述的方法，其特征在于，所述使用所述多组多元组图片对所述原始识别模型中的参数进行调整，得到所述目标识别模型包括：获取一组所述多元组图片中所述当前样本图片与所述第一样本图片的第一相似度；获取一组所述多元组图片中所述当前样本图片与每一张所述第二样本图片的第二相似度；在所述第一相似度小于或等于任意一个所述第二相似度的情况下，调整所述原始识别模型中的参数，其中，使用调整后的所述原始识别模型识别得到的所述第一相似度大于每一个所述第二相似度。6.根据权利要求2至5中任意一项所述的方法，其特征在于，所述使用所述多组多元组图片对所述原始识别模型进行训练，得到所述目标识别模型包括：在所述原始识别模型对M组多元组图片进行识别并在识别N组多元组图片时并未调整所述原始识别模型中的参数的情况下，在N/M大于第一阈值的情况下，将所述原始识别模型确定为所述目标识别模型，其中，所述M与所述N均为正整数，所述N小于或等于所述M。7.一种目标识别模型训练方法，其特征在于，包括：从多个类型的样本图片中获取多组多元组图片，其中，所述多组多元组图片中的每一组多元组图片包括一个类型的当前样本图片、一个类型的第一样本图片以及所述多个类型中与所述一个类型不同的至少一个类型的第二样本图片；将所述多组多元组图片输入到原始识别模型，以对所述原始识别模型进行训练，得到目标识别模型，其中，所述原始识别模型包括：依次连接的M个卷积层和Q个全连接层，所述M、Q均为自然数；在所述原始识别模型识别得到每一组所述多元组图片中所述当前样本图片与所述第一样本图片的第一相似度小于或等于所述当前样本图片与所述第二样本图片的第二相似度的情况下，调整所述原始识别模型的参数，直到识别得到的每一组所述多元组图片中，所述第一...
【专利技术属性】
技术研发人员：龚丽君，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44
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。