图像内容的识别方法、图像识别模型的训练方法及介质技术

本申请是关于一种图像内容的识别方法、图像识别模型的训练方法及介质，属于图像识别领域。所述方法包括：将目标图像输入至图像识别模型，得到目标特征；将所述目标特征输入至检测器，得到目标检测结果，所述检测器用于根据所述目标特征确定所述目标图像中的目标图像内容包含情况；所述图像识别模型是通过对融合特征进行比对识别，并根据所述比对识别的结果更新所述图像识别模型，直至所述图像识别模型收敛得到。通过对融合后的特征进行比对识别，并更新图像识别模型，降低了目标图像内容样本的数据收集难度，提高图像识别模型的训练效率。率。率。

【技术实现步骤摘要】
图像内容的识别方法、图像识别模型的训练方法及介质


[0001]本申请涉及图像识别领域，特别涉及一种图像内容的识别方法、图像识别模型的训练方法及介质。

技术介绍

[0002]在线上内容的审核技术中，包括对视频或图像的内容进行审核，保证其不含违规内容，才会进行视频或图像的展示，例如，某些视频网站禁止视频内容中出现纹身相关的内容。
[0003]在相关技术中，主要基于深度学习的分类方法，训练一个分类器用于检测图像中是否存在纹身。或通过人工审核进行判断视频或图像内容中是否包括纹身。
[0004]然而，这种训练方法依赖于大量的纹身数据，但由于线上的纹身数据收集较为困难，训练方法具有局限性，其分类器的训练效率较低，且通过较少纹身数据训练出的分类器，其识别准确度不高，而通过人工审核来识别，又会导致识别效率不高，且造成人力资源的浪费。

技术实现思路

[0005]本申请实施例提供了一种图像内容的识别方法、图像识别模型的训练方法及介质，能够提高图像识别模型的训练效率。所述技术方案如下：
[0006]一方面，提供了一种图像内容的识别方法，所述方法包括：
[0007]将目标图像输入至图像识别模型，得到目标特征；
[0008]将所述目标特征输入至检测器，得到目标检测结果，所述检测器用于根据所述目标特征确定所述目标图像中的目标图像内容包含情况；
[0009]所述图像识别模型是通过对融合特征进行比对识别，并根据所述比对识别的结果更新所述图像识别模型，直至所述图像识别模型收敛得到。/>[0010]另一方面，提供了一种图像识别模型的训练方法，所述图像识别模型用于对目标图像内容进行识别，应用于计算机设备，所述方法包括：
[0011]获取训练图像集，所述训练图像集中包括第一训练图像和第二训练图像；
[0012]通过所述图像识别模型提取所述第一训练图像的第一特征和所述第二训练图像的第二特征；
[0013]识别所述第一特征的第一识别结果和所述第二特征的第二识别结果，所述图像识别模型用于对目标图像内容进行识别；
[0014]对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果；
[0015]基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练。
[0016]在一个可选的实施例中，所述对所述第一特征和所述第二特征融合后的融合特征
进行比对识别，得到第三识别结果，包括：
[0017]对所述融合特征进行第一比对识别，得到第一比对识别结果，所述第一比对识别结果用于表示所述第一训练图像和所述第二训练图像中所述目标图像内容的相似度。
[0018]在一个可选的实施例中，所述对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果，包括：
[0019]对所述融合特征进行第二比对识别，得到第二比对识别结果，所述第二比对识别结果用于表示所述第一训练图像中的所述目标图像内容对应尺寸与所述第二训练图像中的所述目标图像内容对应尺寸的大小关系。
[0020]在一个可选的实施例中，所述基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练，包括：
[0021]将所述第一识别结果、所述第二识别结果和所述第三识别结果输入预设损失函数，得到所述损失值；
[0022]基于所述损失值对所述图像识别模型进行训练。
[0023]在一个可选的实施例中，所述将所述第一识别结果、所述第二识别结果和所述第三识别结果输入预设损失函数，得到所述损失值，包括：
[0024]将所述第一识别结果输入所述预设损失函数，得到第一损失值；
[0025]将所述第二识别结果输入所述预设损失函数，得到第二损失值；
[0026]将所述第三识别结果输入所述预设损失函数，得到第三损失值；
[0027]基于所述第一损失值、所述第二损失值和所述第三损失值确定所述损失值。
[0028]在一个可选的实施例中，所述图像识别模型包括模型参数；
[0029]所述基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练，包括：
[0030]根据所述损失值对所述模型参数进行调整。
[0031]在一个可选的实施例中，所述训练图像集包含所述目标图像内容的训练图像标注有第一标签；
[0032]所述方法还包括：
[0033]针对标注有所述第一标签的第三训练图像，以所述目标图像内容的显示区域为基准进行分割，得到至少两个图像区域；
[0034]对所述至少两个图像区域进行重组，得到更新训练图像；
[0035]将所述更新训练图像增加至所述训练图像集中，作为标注有所述第一标签的所述训练图像。
[0036]在一个可选的实施例中，所述方法还包括：
[0037]获取扩容图像集；
[0038]将所述扩容图像集中的扩容图像输入至所述图像识别模型中，得到识别结果，所述扩容图像为未标注有第二标签的图像，所述第二标签用于指示所述目标图像内容的包含情况；
[0039]根据所述识别结果对所述扩容图像集中的所述扩容图像进行所述第二标签的标注；
[0040]将所述标注有所述第二标签的所述扩容图像增加至所述训练图像集中。
[0041]另一方面，提供了一种图像内容的识别装置，所述装置包括：
[0042]输入模块，用于将目标图像输入至图像识别模型，得到目标特征；
[0043]输出模块，用于将所述目标特征输入至检测器，得到目标检测结果，所述检测器用于根据所述目标特征确定所述目标图像中的目标图像内容包含情况；
[0044]训练模块，用于训练所述图像识别模型，其中，所述图像识别模型是通过对融合特征进行比对识别，并根据所述比对识别的结果更新所述图像识别模型，直至所述图像识别模型收敛得到。
[0045]另一方面，提供了一种图像识别模型的训练装置，应用于计算机设备，所述装置包括：
[0046]获取模块，用于获取训练图像集，所述训练图像集中包括第一训练图像和第二训练图像；
[0047]特征提取模块，用于通过所述图像识别模型提取所述第一训练图像的第一特征和所述第二训练图像的第二特征；
[0048]识别模块，用于识别所述第一特征的第一识别结果和所述第二特征的第二识别结果，所述图像识别模型用于对目标图像内容进行识别；
[0049]所述识别模块，还用于对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果；
[0050]训练模块，用于基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练。
[0051]另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像内容的识别方法，其特征在于，所述方法包括：将目标图像输入至图像识别模型，得到目标特征；将所述目标特征输入至检测器，得到目标检测结果，所述检测器用于根据所述目标特征确定所述目标图像中的目标图像内容包含情况；所述图像识别模型是通过对融合特征进行比对识别，并根据所述比对识别的结果更新所述图像识别模型，直至所述图像识别模型收敛得到。2.根据权利要求1所述的方法，其特征在于，所述图像识别模型的训练过程包括：获取训练图像集，所述训练图像集中包括第一训练图像和第二训练图像；通过所述图像识别模型提取所述第一训练图像的第一特征和所述第二训练图像的第二特征；识别所述第一特征的第一识别结果和所述第二特征的第二识别结果；对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果；基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果，包括：对所述融合特征进行第一比对识别，得到第一比对识别结果，所述第一比对识别结果用于表示所述第一训练图像和所述第二训练图像中所述目标图像内容的相似度。4.根据权利要求3所述的方法，其特征在于，所述对所述第一特征和所述第二特征融合后的融合特征进行比对识别，得到第三识别结果，包括：对所述融合特征进行第二比对识别，得到第二比对识别结果，所述第二比对识别结果用于表示所述第一训练图像中的所述目标图像内容对应尺寸与所述第二训练图像中的所述目标图像内容对应尺寸的大小关系。5.根据权利要求2至4任一所述的方法，其特征在于，所述基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练，包括：将所述第一识别结果、所述第二识别结果和所述第三识别结果输入预设损失函数，得到所述损失值；基于所述损失值对所述图像识别模型进行训练。6.根据权利要求5所述的方法，其特征在于，所述将所述第一识别结果、所述第二识别结果和所述第三识别结果输入预设损失函数，得到所述损失值，包括：将所述第一识别结果输入所述预设损失函数，得到第一损失值；将所述第二识别结果输入所述预设损失函数，得到第二损失值；将所述第三识别结果输入所述预设损失函数，得到第三损失值；基于所述第一损失值、所述第二损失值和所述第三损失值确定所述损失值。7.根据权利要求2至4任一所述的方法，其特征在于，所述图像识别模型包括模型参数；所述基于所述第一识别结果、所述第二识别结果和所述第三识别结果得到损失值，对所述图像识别模型进行训练，包括：根据所述损失值对所述模型参数进行调整。
8.根据权利要求2至4任一所述的方法，其特征在于，所述训练图像集包含所述目标图像内容的训练图像标注有第一标签；所述方法还包括：针对标注有所述第一标签的第三训练图像，以所述目标图像内容的显示区域为基准进行分割，得到至少两个图像区域；对所述至少两个图像区域进...

【专利技术属性】
技术研发人员：彭健腾，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：