图像识别方法、装置、设备以及存储介质制造方法及图纸

本申请公开了一种图像识别方法、装置、设备以及存储介质，属于计算机技术领域。通过本申请实施例提供的技术方案，在进行图像识别时，获取了待识别的图像的多个图像块，对多个图像块分别进行了特征提取，得到多个图像块特征。获取图像的图像特征时，采用了将多个图像块特征进行融合的方式，相较于直接提取图像的图像特征的方式，采用本申请实施例提供的技术方案得到的图像特征具有更强的表达能力，基于图像特征来确定图像的类别时，也就能够得到更加准确的结果。加准确的结果。加准确的结果。

【技术实现步骤摘要】
图像识别方法、装置、设备以及存储介质


[0001]本申请涉及计算机
，特别涉及一种图像识别方法、装置、设备以及存储介质。

技术介绍

[0002]随着计算机技术的发展，人工智能技术蓬勃发展，图像识别技术作为人工智能技术的一个分支，其应用范围越来越广泛，例如图像识别技术可以应用在人脸识别场景，采用图像识别模型对包含人脸的图像进行识别，可以得到与人脸对应的身份信息；或者应用在医学场景，采用图像识别模型对医学影像进行识别，发现一些人眼不易分辨的病变现象，从而辅助医生确定治疗方案。
[0003]相关技术中，图像识别模型往往会直接对待识别的图像特征提取，得到该图像的特征图，基于该图像的特征图来确定该图像的类别。
[0004]但是，对于图像中的不同区域来说，对于确定图像类别的贡献可能是不同的，比如医学图像识别中，病灶可能很小并且分布在不同的位置。通过相关技术中的方法来进行图像识别时，图像识别的准确性不高。

技术实现思路

[0005]本申请实施例提供了一种图像识别方法、装置、设备以及存储介质，可以提升图像识别的准确性。所述本文档来自技高网...

【技术保护点】

【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：获取待识别的图像的多个图像块；对所述多个图像块进行特征提取，得到多个图像块特征，一个所述图像块特征对应于一个所述图像块；对所述多个图像块特征进行降维处理，得到多个降维特征；将所述多个降维特征进行融合，得到所述图像的图像特征；基于所述图像特征，确定所述图像的类别。2.根据权利要求1所述的方法，其特征在于，所述对所述多个图像块进行特征提取，得到多个图像块特征包括：基于注意力机制，对所述多个图像块分别进行编码，得到所述多个图像块特征。3.根据权利要求1所述的方法，其特征在于，所述对所述多个图像块特征进行降维处理，得到多个降维特征包括：通过图像识别模型，将所述多个图像块特征映射至特征空间，得到所述特征空间内的所述多个降维特征，所述特征空间的维度低于所述多个图像块特征所在的空间。4.根据权利要求3所述的方法，其特征在于，所述将所述多个图像块特征映射至特征空间，得到所述特征空间内的所述多个降维特征包括：对所述多个图像块特征分别进行线性变换，得到所述特征空间内的多个目标线性变换特征，一个所述目标线性变换特征对应于一个所述降维特征；对所述多个目标线性变换特征进行标准化处理和激活处理，得到所述多个降维特征。5.根据权利要求1所述的方法，其特征在于，所述将所述多个降维特征进行融合，得到所述图像的图像特征包括：基于所述多个降维特征，获取多个注意力权重，一个所述注意力权重对应于一个所述降维特征；基于所述多个注意力权重，将对应的所述降维特征进行加权求和，得到所述图像的图像特征。6.根据权利要求5所述的方法，其特征在于，所述基于所述多个降维特征，获取多个注意力权重包括：对所述多个降维特征进行全连接处理、标准化处理和归一化处理，得到所述多个注意力权重。7.根据权利要求1所述的方法，其特征在于，所述基于所述图像特征，确定所述图像的类别包括：对所述图像特征进行分类，得到所述图像的概率分布列，所述概率分布列中的数值用于表示所述图像对应于一个类别的概率；响应于所述概率分布列中的任一个数值表示的概率符合目标概率条件，将所述任一个数值对应的类别确定为所述图像的类别。8.一种图像识别方法，其特征在于，所述方法包括：获取样本图像的多个样本图像块；对所述多个样本图像块进行特征提取，得到多个样本图像块特征，一个所述样本图像块特征对应于一个所述样本图像块；
将所述多个样本图像块特征输入图像识别模型，通过所述图像识别模型，对所述多个样本图像块特征进行降维处理，得到多个降维特征；将所述多个降维特征进行融合，得到所述样本图像的样本图像特征；基于所述样本图像特征，输出所述样本图像的第一预测类别；基于所述样本图像的第一预测类别以及所述样本图像的实际类别之间的第一差异信息，对所述图...

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