图像处理、模型训练方法和装置制造方法及图纸

本发明专利技术公开了一种图像处理、模型训练方法和装置。其中，该方法包括：依据待识别图像中待识别对象中的第一特征对待识别对象进行分类；将第一特征转换为第二特征，其中，第二特征和第一特征包括的数据量不同；将第二特征对应的分类后的待识别对象，通过联合训练后的图像识别网络进行对象识别，得到识别对象。本发明专利技术解决了由于现有技术中在训练和调用的过程中均是分开进行的，导致对图像识别训练和搜索效率低的技术问题。低的技术问题。低的技术问题。

【技术实现步骤摘要】
图像处理、模型训练方法和装置


[0001]本专利技术涉及互联网
，具体而言，涉及一种图像处理、模型训练方法和装置。

技术介绍

[0002]在图像识别技术中，普遍使用数据模型对待检测图像中的对象进行识别，在现有使用的数据模型中，特别是应用于交通安防场景下对人物汽车进行识别，但是在图像中搜索行人的过程中，图1是现有技术识别行人的示意图，如图1所示，常规做法如下：
[0003]步骤1:查询的行人通过深度学习的神经网络N提取一个特征Q(最左边的图)，然后从底库的图片中进行搜素。
[0004]步骤2:因为底库的图片还包含其他信息(右边的图)，所以对底库的处理第一步是检测这些图片中的行人，然后也用同样的神经网络N对其进行特征的提取。
[0005]步骤3:查询的浮点数特征Q和底库的行人的特征进行一一比较，找出欧式距离最小的底库行人，即认为与查询的人是同一个人。
[0006]基于上述步骤，如果底库数据量很大的话，每次计算欧式距离的开销很大，会涉及到大量的计算。因此，现有技术通常的做法是采用对特征进行哈希化(二值化)。...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，包括：依据待识别图像中待识别对象中的第一特征对所述待识别对象进行分类；将所述第一特征转换为第二特征，其中，所述第二特征和所述第一特征包括的数据量不同；将第二特征对应的分类后的所述待识别对象，通过联合训练后的图像识别网络进行对象识别，得到识别对象。2.根据权利要求1所述的方法，其中，所述方法还包括：在所述依据待识别图像中待识别对象中的第一特征对所述待识别对象进行分类之前，从所述待识别图像中进行对象识别，得到至少一个所述待识别对象的第一特征。3.根据权利要求2所述的方法，其中，所述从所述待识别图像中进行对象识别，得到至少一个所述待识别对象的第一特征包括：通过行人检测网络对所述待识别图像进行对象识别，得到至少一个所述待识别对象的第一特征。4.根据权利要求3所述的方法，其中，通过行人检测网络对所述待识别图像进行对象识别，得到至少一个所述待识别对象的第一特征包括：在至少一个所述待识别对象的特征包括待识别对象所在的框和框的位置的情况下，通过所述行人检测网络中的检测框分类损失函数和检测框回归损失函数对所述待识别图像进行对象识别，得到至少一个所述待识别对象所在的框和所述框的位置。5.根据权利要求1所述的方法，其中，依据待识别图像中待识别对象中的第一特征对所述待识别对象进行分类包括：依据至少一个所述待识别对象的第一特征对待识别对象进行区分，对不同的所述待识别对象通过对应的第一特征进行表示。6.根据权利要求5所述的方法，其中，依据待识别图像中待识别对象中的第一特征对所述待识别对象进行分类包括：通过行人识别网络依据至少一个所述待识别对象的第一特征对所述待识别对象进行区分，对不同的所述待识别对象通过对应的第一特征进行表示。7.根据权利要求6所述的方法，其中，通过行人识别网络依据至少一个所述待识别对象的第一特征对所述待识别对象进行区分，对不同的所述待识别对象通过对应的特征进行表示包括：通过所述行人识别网络中的交叉熵损失函数依据至少一个所述待识别对象的第一特征对所述待识别对象进行区分，对不同的所述待识别对象通过对应的第一特征进行表示。8.根据权利要求1所述的方法，其中，所述将所述第一特征转换为第二特征包括：通过特征转换网络中的特征哈希损失函数，将不同的所述待识别对象对应的第一特征转换为第二特征。9.根据权利要求8所述的方法，其中，所述第一特征包括：浮点数特征；所述第二特征包括：哈希化特征，其中，所述哈希化特征为二值化的特征。10.根据权利要求1所述的方法，其中，所述将第二特征对应的分类后的所述待识别对象，通过联合训练后的图像识别网络进行对象识别，得到识别对象包括：将行人检测网络中的检测框分类损失函数...

【专利技术属性】
技术研发人员：钟华松，林旸，陈冲，夏亮，黄建强，华先胜，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：