图像识别方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种图像识别方法、装置、计算机设备和存储介质。该方法通过通过对底库图像进行特征提取，得到底库图像的特征值，同时将底库图像输入至预设的图像识别网络，得到输出阈值，再根据输出阈值和预设阈值，得到适配阈值，最后将待识别图像的特征值和底库图像的特征值之间的相似度，与适配阈值进行比较，得到比较结果，并根据比较结果，确定待识别图像与底库图像是否属于同一目标。在上述方法中，计算机设备通过对底库图像的特征值的分析，可以得到与底库图像的类型匹配的阈值，实现了在图像识别过程中，在对每张底库图像和待识别图像进行比较识别时，动态调整每张底库图像对应的阈值的方法，极大的提高了图像识别的准确性。

Image recognition method, device, computer equipment and storage medium

【技术实现步骤摘要】
图像识别方法、装置、计算机设备和存储介质
本申请涉及图像识别
，尤其涉及一种图像识别方法、装置、计算机设备和存储介质。
技术介绍
随着人脸图像识别技术的发展，对人脸图像的识别准确性要求越来越高。在现有的人脸识别过程中，判断两张图片是否属于同一个人，主要依据的是，判断从两张图片上提取出的特征值之间的距离是否在预设阈值范围之内，如果上述距离高于预设阈值，则确定两张图片属于同一个人；如果上述距离低于预设阈值，则确定两张图片不属于同一个人。但是，面对不同类型的人脸图像时，采用上述的人脸识别方法存在识别准确性较低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高识别准确性的图像识别方法、装置、计算机设备和存储介质。第一方面，一种图像识别方法，所述方法包括：对底库图像进行特征提取，得到底库图像的特征值；将待识别图像进行特征提取，得到待识别图像的特征值；将底库图像输入至预设的图像识别网络，得到输出阈值；图像识别网络包括特征提取网络和与特征提取网络输出端连接的阈值适配网络，阈值适配网络用于根据底库图像的特征值得到输出阈值；根据输出阈值和预设阈值，得到适配阈值；适配阈值与底库图像对应；将待识别图像的特征值和底库图像的特征值之间的相似度，与适配阈值进行比较，得到比较结果；根据比较结果，确定待识别图像与底库图像是否属于同一目标。在其中一个实施例中，根据输出阈值和预设阈值，得到适配阈值，包括：根据输出阈值，得到预设阈值的修正值；使用修正值修正预设阈值，得到适配阈值。在其中一个实施例中，阈值适配网络为全连接层。在其中一个实施例中，待训练的图像识别网络包括待训练的特征提取网络和待训练的阈值适配网络，训练图像识别网络的方法，包括：将样本图像输入至待训练的特征提取网络，得到样本图像的样本特征；将样本特征输入至待训练的阈值适配网络，得到训练阈值；根据训练阈值、样本特征、样本图像对应的样本标签，确定目标训练损失；根据目标训练损失，更新待训练的特征提取网络和待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至目标训练损失收敛。在其中一个实施例中，待训练的图像识别网络包括特征提取网络和待训练的阈值适配网络，训练图像识别网络的方法，包括：将样本图像输入至特征提取网络，得到样本图像的样本特征；将样本特征输入至待训练的阈值适配网络，得到训练阈值；根据训练阈值、样本特征、样本图像对应的样本标签，确定目标训练损失；根据目标训练损失，更新待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至目标训练损失收敛。在其中一个实施例中，根据训练阈值、样本特征、样本图像对应的样本标签，确定目标训练损失，包括：将样本特征输入至预设的softmax层，并根据softmax层输出的结果和样本标签，得到训练损失；根据训练阈值和训练损失，得到目标训练损失。在其中一个实施例中，根据训练阈值、样本特征、样本图像对应的样本标签，确定目标训练损失，包括：将样本特征输入至预设的softmax层，并按照预设的修正方法，根据样本标签和训练阈值，对softmax层输出的结果进行修正，得到修正结果；根据修正结果、样本标签、训练阈值，确定目标训练损失。在其中一个实施例中，根据比较结果，根据比较结果，确定待识别图像与底库图像是否属于同一目标，包括：若比较结果为待识别图像的特征值与底库图像的特征值之间的相似度小于或等于适配阈值，则确定待识别图像与底库图像不属于同一目标。在其中一个实施例中，若待识别图像与底库图像不属于同一目标，所述方法还包括：重新从底库中选取新的底库图像，返回执行对底库图像进行特征提取，得到底库图像的特征值的步骤，直到待识别图像的特征值与底库图像的特征值之间的相似度大于适配阈值，或底库中的底库图像均被比对完成为止。第二方面，一种图像识别装置，所述装置包括：第一提取模块，用于对底库图像进行特征提取，得到底库图像的特征值；第二提取模块，用于将待识别图像进行特征提取，得到待识别图像的特征值；第一确定模块，用于将底库图像输入至预设的图像识别网络，得到输出阈值；图像识别网络包括特征提取网络和与特征提取网络输出端连接的阈值适配网络，阈值适配网络用于根据底库图像的特征值得到输出阈值；第二确定模块，用于根据输出阈值和预设阈值，得到适配阈值；适配阈值与底库图像对应；比较模块，用于将待识别图像的特征值和底库图像的特征值之间的相似度，与适配阈值进行比较，得到比较结果；识别模块，用于根据比较结果，确定待识别图像与底库图像是否属于同一目标。第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面任一实施例所述的图像识别方法。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一实施例所述的图像识别方法。本申请提供的一种图像识别方法、装置、计算机设备和存储介质，通过对底库图像进行特征提取，得到底库图像的特征值，同时将底库图像输入至预设的图像识别网络，得到输出阈值，再根据输出阈值和预设阈值，得到适配阈值，最后将待识别图像的特征值和底库图像的特征值之间的相似度，与适配阈值进行比较，得到比较结果，并根据比较结果，确定待识别图像与底库图像是否属于同一目标。在上述方法中，计算机设备通过将底库图像输入至图像识别网络，得到输出阈值，再由输出阈值得到得到与底库图像的类型匹配的适配阈值，实现了在图像识别过程中，在对每张底库图像和待识别图像进行比较识别时，动态调整每张底库图像对应的适配阈值的方法，即一张底库图像对应一个适配阈值。本申请使用不同的适配阈值评估待识别图像与不同的底库图像之间的相似度，相比于传统的使用预先人为定义的固定阈值评估待识别图像与不同的底库图像之间的相似度的方法，本申请提出的图像识别方法可以避免因固定阈值不能与所有类型的底库图像均匹配，而导致的有些底库图像拒识别或有些底库图像误识别的问题，进而提高了图像识别的准确性。附图说明图1为一个实施例提供的一种计算机设备的内部结构示意图；图2为一个实施例提供的一种图像识别方法的流程图；图2A为一个实施例提供的一种待训练的图像识别网络的结构示意图；图3为图2实施例中S104的另一种实现方式的流程图；图4为一个实施例提供的一种待训练的图像识别网络的结构示意图；图5为一个实施例提供的一种训练方法的流程图；图6为一个实施例提供的一种待训练的图像识别网络的结构示意图；图7为一个实施例提供的一种训练方法的流程图；图8为图5实施例中S303的一种实现方式的流程图；图9为图5实施例中S303的另一种实现方式的流程图；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，所述方法包括：/n对底库图像进行特征提取，得到所述底库图像的特征值；/n将待识别图像进行特征提取，得到所述待识别图像的特征值；/n将所述底库图像输入至预设的图像识别网络，得到输出阈值；所述图像识别网络包括特征提取网络和与所述特征提取网络输出端连接的阈值适配网络，所述阈值适配网络用于根据所述底库图像的特征值得到所述输出阈值；/n根据所述输出阈值和预设阈值，得到适配阈值；所述适配阈值与所述底库图像对应；/n将所述待识别图像的特征值和所述底库图像的特征值之间的相似度，与所述适配阈值进行比较，得到比较结果；/n根据所述比较结果，确定所述待识别图像与所述底库图像是否属于同一目标。/n

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
对底库图像进行特征提取，得到所述底库图像的特征值；
将待识别图像进行特征提取，得到所述待识别图像的特征值；
将所述底库图像输入至预设的图像识别网络，得到输出阈值；所述图像识别网络包括特征提取网络和与所述特征提取网络输出端连接的阈值适配网络，所述阈值适配网络用于根据所述底库图像的特征值得到所述输出阈值；
根据所述输出阈值和预设阈值，得到适配阈值；所述适配阈值与所述底库图像对应；
将所述待识别图像的特征值和所述底库图像的特征值之间的相似度，与所述适配阈值进行比较，得到比较结果；
根据所述比较结果，确定所述待识别图像与所述底库图像是否属于同一目标。


2.根据权利要求1所述的方法，其特征在于，所述根据所述输出阈值和预设阈值，得到适配阈值，包括：
根据所述输出阈值，得到所述预设阈值的修正值；
使用所述修正值修正所述预设阈值，得到所述适配阈值。


3.根据权利要求1所述的方法，其特征在于，所述阈值适配网络为全连接层。


4.根据权利要求1所述的方法，其特征在于，待训练的所述图像识别网络包括待训练的特征提取网络和待训练的阈值适配网络，训练所述图像识别网络的方法，包括：
将样本图像输入至所述待训练的特征提取网络，得到所述样本图像的样本特征；
将所述样本特征输入至所述待训练的阈值适配网络，得到训练阈值；
根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失；
根据所述目标训练损失，更新所述待训练的特征提取网络和所述待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至所述目标训练损失收敛。


5.根据权利要求1所述的方法，其特征在于，待训练的所述图像识别网络包括所述特征提取网络和待训练的阈值适配网络，训练所述图像识别网络的方法，包括：
将样本图像输入至所述特征提取网络，得到所述样本图像的样本特征；
将所述样本特征输入至所述待训练的阈值适配网络，得到训练阈值；
根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失；
根据所述目标训练损失，更新所述待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至所述目标训练损失收敛。


6.根据权利要求5所述的方法，其特征在于，所述根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失，包括：
将所述样本特征输入至预设的softmax层，并根据所述sof...

【专利技术属性】
技术研发人员：李亮亮，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11