图像识别方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种图像识别方法、装置、设备及计算机可读存储介质，方法包括：获取待训练数据集，其中，所述待训练数据集中包括多张待训练图像；针对所述待训练数据集中的各待训练图像，提取所述待训练图像的全局特征向量以及背景特征向量；通过所述全局特征向量以及背景特征向量构造增量样本数据；根据所述增量样本数据确定损失函数，并通过所述损失函数对预设的待训练模型进行训练，获得图像识别模型；采用所述图像识别模型对预设的目标物体进行识别操作。通过增量样本数据实现对待训练模型的训练，无需额外引入新的数据集，对数据集的要求较低，且训练得到的图像识别模型识别精度较高。

【技术实现步骤摘要】
图像识别方法、装置、设备及计算机可读存储介质
本专利技术涉及图像识别领域，尤其涉及一种图像识别方法、装置、设备及计算机可读存储介质。
技术介绍
再识别(re-identification，简称Re-id)任务作为计算机视觉中的一个重要分支，在智慧城市，智慧交通等领域存在广泛应用。实际应用中，一个移动目标可能先后出现在不同的摄像头中，该目标可以是一个人或是一辆车，需要采用Re-id任务对其进行识别。为了实现通过再识别任务对目标物体的识别，现有技术中一般都是通过预设的神经网络模型提取全局和局部特征，来实现对两张图片的判断。但是，采用上述方法进行再识别时，往往需要关键点检测、语义分割等操作，需要引入额外的数据集，对模型训练时的数据集要求较高。
技术实现思路
本专利技术提供一种图像识别方法、装置、设备及计算机可读存储介质，用于解决现有的再识别方法在模型训练过程中，需要引入额外的数据集，对模型训练时的数据集要求较高的技术问题。本专利技术的第一个方面是提供一种图像识别方法，包括：获取待训练数据集，其中，所本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，包括：/n获取待训练数据集，其中，所述待训练数据集中包括多张待训练图像；/n针对所述待训练数据集中的各待训练图像，提取所述待训练图像的全局特征向量以及背景特征向量；/n通过所述全局特征向量以及背景特征向量构造增量样本数据；/n根据所述增量样本数据确定损失函数，并通过所述损失函数对预设的待训练模型进行训练，获得图像识别模型；/n采用所述图像识别模型对预设的目标物体进行识别操作。/n

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：
获取待训练数据集，其中，所述待训练数据集中包括多张待训练图像；
针对所述待训练数据集中的各待训练图像，提取所述待训练图像的全局特征向量以及背景特征向量；
通过所述全局特征向量以及背景特征向量构造增量样本数据；
根据所述增量样本数据确定损失函数，并通过所述损失函数对预设的待训练模型进行训练，获得图像识别模型；
采用所述图像识别模型对预设的目标物体进行识别操作。


2.根据权利要求1所述的方法，其特征在于，所述提取所述待训练图像的全局特征向量以及背景特征向量，包括：
通过预设的第一特征提取层提取所述待训练图像的浅层特征向量；
通过预设的第二特征提取层提取所述浅层特征向量的全局特征向量；
通过预设的第三特征提取层提取所述浅层特征向量的背景特征向量；
其中，所述第二特征提取层与所述第三特征提取层为所述第一特征提取层下的两个支路特征提取层。


3.根据权利要求1或2所述的方法，其特征在于，所述通过所述全局特征向量以及背景特征向量构造增量样本数据，包括：
计算所述全局特征向量以及背景特征向量的差值，获得目标物体的特征向量；
将所述目标物体的特征向量分别与所述待训练数据集中各待训练图像的背景特征向量进行组合，获得所述目标物体在不同背景中的增量样本数据。


4.根据权利要求3所述的方法，其特征在于，所述待训练数据集中包括所述待训练图像对应的图像标识以及拍摄所述待训练图像的图像采集装置标识；
相应地，所述根据所述增量样本数据确定损失函数，包括：
通过拍摄所述待训练图像的图像采集装置标识对背景特征向量进行监督学习，获得第一分类损失函数；
通过预设的目标物体的标识对所述目标物体的特征向量进行监督学习，获得第二分类损失函数。


5.根据权利要求4所述的方法，其特征在于，所述通过所述损失函数对预设的待训练模型进行训练，包括：
对所述第一分类损失函数与所述第二分类损失函数进行加权计算，...

【专利技术属性】
技术研发人员：周康明，戚风亮，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31