一种图像识别方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像识别方法、装置和计算机可读存储介质；本发明专利技术实施例在获取图像样本集合后，采用预设识别模型对图像样本集合中的图像样本进行特征提取，得到图像特征集合，然后，根据图像特征集合，将图像样本作为数据节点构建近邻图，然后，基于近邻图对图像样本的基础标签进行纠正，得到纠正后图像样本集合，然后，采用纠正后图像样本集合对预设识别模型进行训练，并通过训练后识别模型对待识别图像进行识别；该方案可以提升图像识别的准确性。

【技术实现步骤摘要】
一种图像识别方法、装置和计算机可读存储介质
本专利技术涉及通信
，具体涉及一种图像识别方法、装置和计算机可读存储介质。
技术介绍
近年来，随着神经网络技术在人工智能领域的大热，将神经网络应用于图像识别也有了长足的进展，尤其是图像中的行人重识别。在行人重识别过程中，需要人工对图像样本进行标注，由于标注难度大，往往会造成训练数据集存在噪声，因此，需要去除噪声。现有的图像识别方法往往采用分类器对训练样本的预测值来去除噪声，进而根据去噪后的训练数据集对神经网络进行训练来识别图像。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现在每一个有身份的行人的图像样本数量不多的情况下，分类器对标注错误时非常敏感的，使得分类器对图像样本进行去噪的准确率和召回率都很低，因此，导致图像识别的准确率大大降低。
技术实现思路
本专利技术实施例提供一种图像识别方法、装置和计算机可读存储介质，可以提高图像识别的准确性。一种图像识别方法，包括：获取图像样本集合，所述图像样本集合包括至少一个标记基础标签的图像样本；采用预设识别模型对所述图像样本集合中的图像样本进行特征提取，得到图像特征集合；根据所述图像特征集合，将所述图像样本作为数据节点构建近邻图；基于所述近邻图对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合；采用所述纠正后图像样本集合对所述预设识别模型进行训练，并通过训练后识别模型对待识别图像进行识别。相应的，本专利技术实施例提供一种图像识别装置，包括：获取单元，用于获取图像样本集合，所述图像样本集合包括至少一个标记基础标签的图像样本；提取单元，用于采用预设识别模型对所述图像样本集合中的图像样本进行特征提取，得到图像特征集合；构建单元，用于根据所述图像特征集合，将所述图像样本作为数据节点构建近邻图；纠正单元，用于基于所述近邻图对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合；识别单元，用于采用所述纠正后图像样本集合对所述预设识别模型进行训练，并通过训练后识别模型对待识别图像进行识别。可选的，在一些实施例中，所述纠正单元，具体可以用于将所述图像样本的基础标签在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息；基于所述传播后标签信息，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合。可选的，在一些实施例中，所述纠正单元，具体可以用于根据所述图像样本的基础标签，构建所述图像样本集合对应的基础标签信息；采用预设传播策略，将所述基础标签信息在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息。可选的，在一些实施例中，所述纠正单元，具体可以用于根据所述近邻图确定所述图像样本之间的相似度；获取所述相似度对应的加权系数，并基于所述加权系数，对所述图像样本的基础标签向量进行加权；将加权后的基础标签向量进行聚合，得到所述图像样本的传播后标签信息。可选的，在一些实施例中，所述纠正单元，具体可以用于在所述传播后标签信息中提取出所述图像样本的传播后标签向量；根据所述传播后标签向量，确定所述图像样本的传播后标签；基于所述传播后标签，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合。可选的，在一些实施例中，所述纠正单元，具体可以用于在所述传播后标签向量中筛选出标签值最大的标签元素；在所述传播后标签向量中识别出所述标签元素的位置信息；获取所述位置信息对应的目标标签，将所述目标标签作为所述图像样本的传播后标签。可选的，在一些实施例中，所述纠正单元，具体可以用于将所述传播后标签与对应的图像样本标注的基础标签进行对比；当所述传播后标签与基础标签不同时，确定所述图像样本为需要纠正的目标图像样本；将所述目标图像样本的基础标签替换为对应的传播后标签，得到所述纠正后图像样本集合。可选的，在一些实施例中，所述构建单元，具体可以用于在所述图像特征集合中筛选出每一图像样本对应的图像特征，并基于所述图像样本的图像特征，计算所述图像样本之间的特征距离；基于所述特征距离，在所述图像样本集合中筛选出所述图像样本的近邻图像样本，得到所述图像样本的近邻图像样本集合；根据所述近邻图像样本集合，将所述图像样本作为数据节点构建近邻图。可选的，在一些实施例中，所述构建单元，具体可以用于获取所述图像样本与对应的近邻图像样本集合中的图像样本之间的位置关系，得到所述图像样本的邻接信息；根据所述邻接信息，将所述图像样本作为数据节点构建初始近邻图，并对所述初始近邻图进行对称化处理，得到所述近邻图。可选的，在一些实施例中，所述构建单元，具体可以用于在所述特征距离中筛选出所述图像样本与对应的近邻图像样本集合中图像样本之间的目标特征距离；对所述目标特征距离进行聚合，以得到所述图像样本与所述近邻图像样本集合中的图像样本之间的位置关系；基于所述位置关系，确定所述图像样本的邻接信息。可选的，在一些实施例中，所述识别单元，具体可以用于基于所述纠正后图像样本集合中图像样本的图像特征和标签，对所述预设识别模型进行收敛；采用所述预设识别模型对所述纠正后图像样本集合中的图像样本进行特征提取，得到目标图像特征集合；基于所述目标图像特征集合，对所述图像样本的标签进行纠正；返回执行所述基于所述纠正后图像样本集合中图像样本的图像特征和标签，对所述预设识别模型进行收敛的步骤，直至所述预设识别模型收敛完成，得到训练后识别模型。可选的，在一些实施例中，所述识别单元，具体可以用于根据所述纠正后图像样本集合中图像样本的标签，确定所述图像样本的标签损失信息；基于所述纠正后图像样本集合中图像样本的图像特征，确定所述图像样本的特征损失信息；将所述标签损失信息和特征损失信息进行融合，并根据融合后损失信息对所述预设识别模型进行收敛。可选的，在一些实施例中，所述识别单元，具体可以用于根据所述纠正后图像样本集合中图像样本的标签，对所述图像样本进行分类，得到每一标签对应的图像样本子集合；基于所述图像样本子集合中图像样本的图像特征，计算所述图像样本子集合对应的目标图像特征；将所述图像样本的图像特征和图像样本子集合对应的目标图像特征进行融合，得到所述图像样本的特征损失信息。可选的，在一些实施例中，所述识别单元，具体可以用于根据所述图像样本的图像特征，计算所述图像样本子集合中图像样本之间的特征差值，得到第一特征差值；基于所述图像样本子集合对应的目标特征差值，计算所述图像样本子集合之间的特征差值，得到第二特征差值；计算所述第一特征差值和第二特征差值之间的特征差值，得到第三特征差值，并将所述第三特征差值与预设边界特征值进行融合，得到融合后特征值；当所述融合后特征值超过预设特征值时，计算所述融合后特征值的特征均值，得到所述图像样本的特征损失信息。此外，本专利技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序实现本专利技术实施例提供的图像识别方法。此外，本专利技术实施例本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，包括：/n获取图像样本集合，所述图像样本集合包括至少一个标记基础标签的图像样本；/n采用预设识别模型对所述图像样本集合中的图像样本进行特征提取，得到图像特征集合；/n根据所述图像特征集合，将所述图像样本作为数据节点构建近邻图；/n基于所述近邻图对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合；/n采用所述纠正后图像样本集合对所述预设识别模型进行训练，并通过训练后识别模型对待识别图像进行识别。/n

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：
获取图像样本集合，所述图像样本集合包括至少一个标记基础标签的图像样本；
采用预设识别模型对所述图像样本集合中的图像样本进行特征提取，得到图像特征集合；
根据所述图像特征集合，将所述图像样本作为数据节点构建近邻图；
基于所述近邻图对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合；
采用所述纠正后图像样本集合对所述预设识别模型进行训练，并通过训练后识别模型对待识别图像进行识别。


2.根据权利要求1所述的图像识别方法，其特征在于，所述基于所述近邻图对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合，包括：
将所述图像样本的基础标签在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息；
基于所述传播后标签信息，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合。


3.根据权利要求2所述的图像识别方法，其特征在于，所述将所述图像样本的基础标签在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息，包括：
根据所述图像样本的基础标签，构建所述图像样本集合对应的基础标签信息；
采用预设传播策略，将所述基础标签信息在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息。


4.根据权利要求3所述的图像识别方法，其特征在于，所述基础标签信息包括每一图像样本对应的基础标签向量，所述采用预设传播策略，将所述基础标签信息在所述近邻图的数据节点之间进行传播，得到所述图像样本的传播后标签信息，包括：
根据所述近邻图确定所述图像样本之间的相似度；
获取所述相似度对应的加权系数，并基于所述加权系数，对所述图像样本的基础标签向量进行加权；
将加权后的基础标签向量进行聚合，得到所述图像样本的传播后标签信息。


5.根据权利要求2所述的图像识别方法，其特征在于，所述基于所述传播后标签信息，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合，包括：
在所述传播后标签信息中提取出所述图像样本的传播后标签向量；
根据所述传播后标签向量，确定所述图像样本的传播后标签；
基于所述传播后标签，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合。


6.根据权利要求5所述的图像识别方法，其特征在于，所述根据所述传播后标签向量，确定所述图像样本的传播后标签，包括：
在所述传播后标签向量中筛选出标签值最大的标签元素；
在所述传播后标签向量中识别出所述标签元素的位置信息；
获取所述位置信息对应的目标标签，将所述目标标签作为所述图像样本的传播后标签。


7.根据权利要求5所述的图像识别方法，其特征在于，所述基于所述传播后标签，对所述图像样本的基础标签进行纠正，得到纠正后图像样本集合，包括：
将所述传播后标签与对应的图像样本标注的基础标签进行对比；
当所述传播后标签与基础标签不同时，确定所述图像样本为需要纠正的目标图像样本；
将所述目标图像样本的基础标签替换为对应的传播后标签，得到所述纠正后图像样本集合。


8.根据权利要求1至7任一项所述的图像识别方法，其特征在于，所述根据所述图像特征集合，将所述图像样本作为数据节点构建近邻图，包括：
在所述图像特征集合中筛选出每一图像样本对应的图像特征，并基于所述图像样本的图像特征，计算所述图像样本之间的特征距离；
基于所述特征距离，在所述图像样本集合中筛选出所述图像样本的近邻图像样本，得到所述图像样本的近邻图像样本集合；
根据所述近邻图像样本集合，将所述图像样本作为数据节点构建近邻图。


9.根据权利要求8所述的图像识别方法，其特征在于，所述根据所述近邻图像样本集合，将所述图像样本作为数据节点构建近邻图，包括：
获取所述图像样本与对应的近邻图像样本集合中的图像样本之间的位置关系，...

【专利技术属性】
技术研发人员：冼宇乔，俞福福，孙星，彭湃，郭晓威，黄小明，
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