【技术实现步骤摘要】
内容识别方法、装置、设备及可读存储介质
本申请实施例涉及人工智能领域，特别涉及一种内容识别方法、装置、设备及可读存储介质。
技术介绍
人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。其中，神经网络模型是人工智能的一种实现方式。相关技术中，在对图像内容进行识别的过程中，在传统卷积操作的基础上添加一个分支作为滤波器，将滤波器与图像特征进行卷积操作后，得到新的特征，并基于新的特征完成对图像内容的识别。然而，通过上述方式进行图像识别时，容易降低模型的鲁棒性，以及增加过拟合的风险，导致图像识别结果准确率较低。
技术实现思路
本申请实施例提供了一种内容识别方法、装置、设备及可读存储介质，可以提高图像内容识别结果的准确率。所述技术方案如下：一方面，提供了一种内容识别方法，所述方法包括：获取输入图像，所述输入图像中包括待识别的图像内容...
【技术保护点】
1.一种内容识别方法，其特征在于，所述方法包括：/n获取输入图像，所述输入图像中包括待识别的图像内容；/n对所述输入图像进行特征提取，得到图像特征；/n通过动态滤波学习器生成与所述图像特征对应的动态滤波器；/n对所述图像特征进行识别，并在识别过程中，通过所述动态滤波器对所述识别过程进行修正，得到与所述图像内容对应的识别结果数据，其中，对所述识别过程的修正包括特征修正和结果修正中的至少一种。/n
【技术特征摘要】
1.一种内容识别方法，其特征在于，所述方法包括：
获取输入图像，所述输入图像中包括待识别的图像内容；
对所述输入图像进行特征提取，得到图像特征；
通过动态滤波学习器生成与所述图像特征对应的动态滤波器；
对所述图像特征进行识别，并在识别过程中，通过所述动态滤波器对所述识别过程进行修正，得到与所述图像内容对应的识别结果数据，其中，对所述识别过程的修正包括特征修正和结果修正中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述识别结果数据中包括分类数据，对所述识别过程的修正包括所述特征修正；
所述通过所述动态滤波器对所述识别过程进行修正，包括：
将所述动态滤波器作为卷积核对默认特征进行卷积处理，得到特征修正量，所述默认特征为与所述图像特征对应的特征；
以所述特征修正量对所述默认特征进行修正，得到目标特征；
通过识别模型对所述目标特征进行分类，得到所述分类数据。
3.根据权利要求2所述的方法，其特征在于，所述以所述特征修正量对所述默认特征进行修正，得到目标特征，包括：
获取所述特征修正量对应的第一超参数，所述第一超参数用于限定所述特征修正量的修正上限；
通过所述第一超参数和所述特征修正量对所述默认特征进行修正，得到所述目标特征。
4.根据权利要求2所述的方法，其特征在于，所述识别结果数据包括所述图像内容在所述输入图像中的区域数据；
所述区域数据中包括中心点数据，且所述中心点数据属于所述分类数据；
所述中心点数据用于指示所述输入图像中的像素点属于所述图像内容的中心点的概率。
5.根据权利要求1所述的方法，其特征在于，所述识别结果中包括回归类数据，对所述识别过程的修正包括所述结果修正；
所述通过所述动态滤波器对所述识别过程进行修正，包括：
将所述动态滤波器作为卷积核对默认特征进行卷积处理，得到结果修正量，所述默认特征为与所述图像特征对应的特征；
通过所述识别模型对默认特征进行回归分析，得到回归分析结果；
以所述结果修正量对所述回归分析结果进行修正，得到所述回归类数据。
6.根据权利要求5所述的方法，其特征在于，所述以所述结果修正量对所述回归分析结果进行修正，得到所述回归类数据，包括：
获取所述结果修正量对应的第二超参数，所述第二超参数用于限定所述结果修正量的修正上限；
通过所述第二超参数和所述结果修正量对所述回归分析结果进行修正，得到所述回归类数据。
7.根据权利要求5所述的方法，其特征在于，所述识别结果数据包括所述图像内容在所述输入图像中的区域数据；
所述区域数据中包括尺寸数据、旋转角度和偏移值，且所述尺寸数据、所述旋转角度和所述偏移值属于所述回归类数据；
所述尺寸数据用于指示所述图像内容的尺寸；
所述旋转角度用于指示所述图像内容在所述输入图像中相对默认角度的偏转量；
所...
【专利技术属性】
技术研发人员：潘兴甲，任玉强，董未名，袁豪磊，郭晓威，徐常胜，
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。