【技术实现步骤摘要】
一种图像识别方法、装置及终端设备
本申请属于图像处理
,尤其涉及一种图像识别方法、装置及终端设备。
技术介绍
在当前的图像处理领域中,人脸识别、行人重识别等图像识别任务属于细粒度图像分类问题,类别数多,不同的人脸图像、行人图像之间的差别小,辨识难度高。目前的图像识别方法在处理这些细粒度的图像分类问题时,仍存在准确率较低的问题。人们积极探索各类图像识别方案,希望能够将相同人或物体的图像特征的距离拉近,将不同人或物体的图像特征的距离拉远,更高精度地处理这些细粒度的图像分类问题。因此,如何提高当前的图像识别方法的准确率成为了本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此,本申请实施例提供了一种图像识别方法、装置及终端设备,以解决现有的图像识别方法的准确率低的问题。本申请实施例的第一方面提供了一种图像识别方法,包括:获取样本训练集,所述训练样本集包括至少一组样本图像组以及所述样本图像组对应的样本标记,每组样本图像组包括两张样本图像;执行特征提取操作,所述特征提取操作包括将所述样本训练集中的所述样本图像组输入孪生神经网络中,得到所述样本图像组对应的第一特征向量和第二特征向量,其中,所述第一特征向量和所述第二特征向量均为归一化后的特征向量;根据所述第一特征向量、所述第二特征向量、所述样本标记以及基于余弦距离的对比损失函数计算损失值;若所述损失值大于预设损失阈值且迭代次数小于预设迭代次数,则根据所述损失值更新所述孪生神经网络,所述迭代次数加1,返回所 ...
【技术保护点】
1.一种图像识别方法,其特征在于,包括:/n获取样本训练集,所述训练样本集包括至少一组样本图像组以及所述样本图像组对应的样本标记,每组样本图像组包括两张样本图像;/n执行特征提取操作,所述特征提取操作包括将所述样本训练集中的所述样本图像组输入孪生神经网络中,得到所述样本图像组对应的第一特征向量和第二特征向量,其中,所述第一特征向量和所述第二特征向量均为归一化后的特征向量;/n根据所述第一特征向量、所述第二特征向量、所述样本标记以及基于余弦距离的对比损失函数计算损失值;/n若所述损失值大于预设损失阈值且迭代次数小于预设迭代次数,则根据所述损失值更新所述孪生神经网络,所述迭代次数加1,返回所述特征提取操作;/n若所述损失值小于或等于预设损失阈值,或所述迭代次数大于或等于预设迭代次数,则使用所述孪生神经网络对待处理图像组进行图像识别。/n
【技术特征摘要】
1.一种图像识别方法,其特征在于,包括:
获取样本训练集,所述训练样本集包括至少一组样本图像组以及所述样本图像组对应的样本标记,每组样本图像组包括两张样本图像;
执行特征提取操作,所述特征提取操作包括将所述样本训练集中的所述样本图像组输入孪生神经网络中,得到所述样本图像组对应的第一特征向量和第二特征向量,其中,所述第一特征向量和所述第二特征向量均为归一化后的特征向量;
根据所述第一特征向量、所述第二特征向量、所述样本标记以及基于余弦距离的对比损失函数计算损失值;
若所述损失值大于预设损失阈值且迭代次数小于预设迭代次数,则根据所述损失值更新所述孪生神经网络,所述迭代次数加1,返回所述特征提取操作;
若所述损失值小于或等于预设损失阈值,或所述迭代次数大于或等于预设迭代次数,则使用所述孪生神经网络对待处理图像组进行图像识别。
2.如权利要求1所述的图像识别方法,其特征在于,所述根据所述第一特征向量、所述第二特征向量、所述样本标记以及基于余弦距离的对比损失函数计算损失值包括:
计算所述第一特征向量和所述第二特征向量的余弦距离;
若所述样本标记为所述样本图像组中的两张图像为相似图像,则将所述余弦距离的平方作为损失值;
若所述样本标记为所述样本图像组中的两张图像为非相似图像,则计算预设距离阈值与所述余弦距离的差值,将0和所述差值中的最大值的平方作为所述损失值。
3.如权利要求1所述的图像识别方法,其特征在于,在所述获取样本训练集之后,还包括:
选取所述样本训练集中预设数量的样本图像组,对所述样本图像组中的至少一张样本图像进行形态变换,得到新的样本图像组,将所述新的样本图像组增加至所述样本训练集。
4.如权利要求3所述的图像识别方法,其特征在于,所述形态变换包括裁剪、旋转、翻转、亮度调节、锐化、增加噪声中的一种或多种。
5.如权利要求1所述的图像识别方法,其特征在于,所述若所述损失值小于或等于预设损失阈值,或所述迭代次数大于或等于预设迭代次数,则使用所述孪生神经网络对待处理图像组进行图像识别包括:
若所述损失值小于或等于预设损失阈值,或所述迭代次数大于或等于预设迭代次数,则使用样本测试集对所述孪生神经网络进行测试,计算所述孪生神经网络的准确率,所述样本测试集包括至少一个测试图像组以及所述测试图像组对应的样本标记,每组测试图像组包括两张测试图像;
若所述孪生神经网络的准确率低于预设准确率阈值,则更换样本训练集,返回特征提取操作;
若...
【专利技术属性】
技术研发人员:宋方良,
申请(专利权)人:深圳云天励飞技术有限公司,
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。