图像检测方法及相关模型的训练方法、装置、设备、介质制造方法及图纸

本申请公开了一种图像检测方法及相关模型的训练方法、装置、设备、介质，其中，图像检测方法包括：多张图像的图像特征以及至少一组图像对的类别相关度，且多张图像包括参考图像和目标图像，多张图像中每两张图像组成一组图像对，类别相关度表示图像对属于相同图像类别的可能性；利用类别相关度，更新多张图像的图像特征；利用更新后的图像特征，得到目标图像的图像类别检测结果，且图像类别检测结果用于指示目标图像所属的图像类别。上述方案，能够提高图像类别检测的准确性。高图像类别检测的准确性。高图像类别检测的准确性。

【技术实现步骤摘要】
图像检测方法及相关模型的训练方法、装置、设备、介质


[0001]本申请是申请人于2020年10月27日提出的名为“图像检测方法及相关模型的训练方法、装置、设备、介质”、申请号为2020111674022的专利申请的分案申请，本申请涉及图像处理
，特别是涉及一种图像检测方法及相关模型的训练方法、装置、设备、介质。

技术介绍

[0002]近年来，随着信息技术的发展，图像类别检测已在人脸识别、视频监控等诸多场景得到了广泛应用。例如，在人脸识别场景中，基于图像类别检测，可以对若干人脸图像进行识别分类，从而有助于在若干人脸图像中分辨出用户指定人脸。一般而言，图像类别检测的准确性通常是衡量其性能的主要指标之一。故此，如何提高图像类别检测的准确性成为极具研究价值的课题。

技术实现思路

[0003]本申请提供一种图像检测方法及相关模型的训练方法、装置、设备、介质。
[0004]本申请第一方面提供了一种图像检测方法，包括：获取多张图像的图像特征以及至少一组图像对的类别相关度，且多张图像包括参考图像和目标图像，多张图像中每两张图像组成一组图像对，类别相关度表示图像对属于相同图像类别的可能性；利用类别相关度，更新多张图像的图像特征；利用更新后的图像特征，得到目标图像的图像类别检测结果；其中，图像类别检测结果用于指示目标图像所属的图像类别。
[0005]因此，获取多张图像的图像特征以及至少一组图像对的类别相关度，且多张图像包括参考图像和目标图像，多张图像中每两张图像组成一组图像对，类别相关度表示图像对属于相同图像类别的可能性，并利用类别相关度，更新图像特征，从而利用更新后的图像特征，得到目标图像的图像类别检测结果，且图像类别检测结果用于指示目标图像所属的图像类别。故此，通过利用类别相关度，更新图像特征，能够使相同图像类别的图像对应的图像特征趋于接近，并使不同图像类别的图像对应的图像特征趋于疏离，从而能够有利于提高图像特征的鲁棒性，并有利于捕捉到图像特征的分布情况，进而能够有利于提高图像类别检测的准确性。
[0006]其中，利用更新后的图像特征，确定目标图像的图像类别检测结果，包括：利用更新后的图像特征进行预测处理，得到概率信息，其中，概率信息包括目标图像属于至少一种参考类别的第一概率值，参考类别是参考图像所属的图像类别；基于第一概率值，得到图像类别检测结果。
[0007]因此，通过利用更新后的图像特征进行预测处理，得到概率信息，且概率信息包括目标图像属于至少一种参考类别的第一概率值，从而基于第一概率值，得到图像类别检测结果，进而能够在利用类别相关度更新后的图像特征的基础上进行预测，得到目标图像属于至少一种图像类别的第一概率值，能够有利于预测准确性。
[0008]其中，概率信息还包括参考图像属于至少一种参考类别的第二概率值；在基于第
一概率值，得到图像类别检测结果之前，方法还包括：在执行预测处理的次数满足预设条件的情况下，利用概率信息，更新类别相关度；并重新执行利用类别相关度，更新多张图像的图像特征的步骤，在执行预测处理的次数不满足预设条件的情况下，基于第一概率值，得到图像类别检测结果。
[0009]因此，通过将概率信息设置为还包括参考图像属于至少一种参考类别的第二概率值，并在基于第一概率值，得到图像类别检测结果之前，进一步在执行预测处理的次数满足预设条件的情况下，利用概率信息，更新类别相关度，且重新执行利用类别相关度，更新图像特征的步骤，以及在执行预测处理的次数不满足预设条件的情况下，基于第一概率值，得到图像类别检测结果。故此，能够在执行预测处理的次数满足预设条件的情况下，利用目标图像属于至少一种参考类别的第一概率值和参考图像属于至少一种参考类别的第二概率值，来更新类别相关度，从而提高类别相似度的鲁棒性，并继续利用更新后的类别相似度，来更新图像特征，从而又提高图像特征的鲁棒性，进而能够使得类别相似度和图像特征相互促进，相辅相成，并在执行预测处理的次数不满足预设条件的情况下，基于第一概率值，得到图像类别检测结果，从而能够有利于进一步提高图像类别检测的准确性。
[0010]其中，类别相关度包括：每组图像对属于相同图像类别的最终概率值；利用概率信息，更新类别相关度，包括：分别以多张图像中每张图像作为当前图像，并将包含当前图像的图像对作为当前图像对；获取当前图像的所有当前图像对的最终概率值之和，作为当前图像的概率和；以及利用第一概率值和第二概率值，分别获取每组当前图像对属于相同图像类别的参考概率值；分别利用概率和、参考概率值，调整每组当前图像对的最终概率值。
[0011]因此，将类别相关度设置为包括每组图像对属于相同图像类别的最终概率值，并分别以多张图像中每张图像作为当前图像，将包含当前图像的图像对作为当前图像对，从而获取当前图像的所有当前图像对的最终概率值，作为当前图像的概率和，以及利用第一概率值和第二概率值，分别获取每组图像对属于相同图像类别的参考概率值，进而分别利用概率和、参考概率值，调整每组当前图像对的最终概率值。故此，能够利用每组当前图像对属于相同图像类别的参考概率值，来更新类别相关度，从而能够有利于聚合图像所属的图像类别，提升类别相关度的准确性。
[0012]其中，利用更新后的图像特征进行预测处理，得到概率信息，包括：利用更新后的图像特征，预测目标图像和参考图像所属的预测类别，其中，预测类别属于至少一个参考类别；针对每组图像对，获取图像对的类别比对结果和特征相似度，并得到图像对关于类别比对结果和特征相似度间的第一匹配度，其中，类别比对结果表示图像对所属的预测类别是否相同，特征相似度表示图像对的图像特征间的相似度；以及，基于参考图像所属的预测类别和参考类别，得到参考图像关于预测类别与参考类别的第二匹配度；利用第一匹配度和第二匹配度，得到概率信息。
[0013]因此，利用更新后的图像特征，预测目标图像和参考图像所属的预测类别，且预测类别属于至少一个参考类别，从而针对每组图像对，获取图像对的类别比对结果和特征相似度，并得到图像对关于类别比对结果和特征相似度间的第一匹配度，且类别比对结果表示图像对所属的预测类别是否相同，特征相似度表示图像对的图像特征间的相似度，并基于参考图像所属的预测类别和参考类别，得到参考图像关于预测类别与参考类别的第二匹配度，进而利用第一匹配度和第二匹配度，得到概率信息。故此，通过获取图像对关于类别
比对结果和相似度的第一匹配度，能够在预测类别的类别比对结果以及特征相似度之间的匹配程度基础上，从任图像对的维度，表征图像类别检测的准确度，并通过获取参考图像关于预测类别与参考类别的第二匹配度，能够在预测类别与参考类别之间的匹配程度基础上，从单个图像的维度，表征图像类别检测的准确度，并结合任意两个图像和单个图像两个维度，来得到概率信息，能够有利于提高概率信息预测准确性。
[0014]其中，在类别比对结果为预测类别相同的情况下，特征相似度与第一匹配度正相关，在类别比对结果为预测类别不同的情况下，特征相似度与第一匹配度负相关，且预测类别与参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：获取多张图像的图像特征以及至少一组图像对的类别相关度；其中，所述多张图像包括参考图像和目标图像，所述多张图像中的每两张图像组成一组所述图像对，所述类别相关度表示所述图像对属于相同图像类别的可能性；利用所述类别相关度，更新所述多张图像的图像特征；利用更新后的图像特征，得到所述目标图像的图像类别检测结果；其中，所述图像类别检测结果用于指示所述目标图像所属的图像类别。2.根据权利要求1所述的方法，其特征在于，所述利用更新后的图像特征，得到所述目标图像的图像类别检测结果，包括：利用更新后的图像特征进行预测处理，得到概率信息，其中，所述概率信息包括所述目标图像属于至少一种参考类别的第一概率值，所述参考类别是所述参考图像所属的图像类别；基于所述第一概率值，得到所述图像类别检测结果。3.根据权利要求2所述的方法，其特征在于，所述概率信息还包括所述参考图像属于所述至少一种参考类别的第二概率值；在所述基于所述第一概率值，得到所述图像类别检测结果之前，所述方法还包括：在执行所述预测处理的次数满足预设条件的情况下，利用所述概率信息，更新所述类别相关度，并重新执行所述利用所述类别相关度，更新所述多张图像的图像特征的步骤。所述基于所述第一概率值，得到所述图像类别检测结果，包括：在执行所述预测处理的次数不满足所述预设条件的情况下，基于所述第一概率值，得到所述图像类别检测结果。4.根据权利要求3所述的方法，其特征在于，所述类别相关度包括：每组所述图像对属于相同图像类别的最终概率值；所述利用所述概率信息，更新所述类别相关度，包括：分别以所述多张图像中每张所述图像作为当前图像，并将包含所述当前图像的所述图像对作为当前图像对；获取所述当前图像的所有所述当前图像对的所述最终概率值之和，作为所述当前图像的概率和；以及，利用所述第一概率值和所述第二概率值，分别获取每组所述当前图像对属于相同图像类别的参考概率值；分别利用所述概率和、所述参考概率值，调整每组所述当前图像对的所述最终概率值。5.根据权利要求2至4任一项所述的方法，其特征在于，所述利用更新后的图像特征进行预测处理，得到概率信息，包括：利用更新后的图像特征，预测所述图像所属的预测类别，其中，所述预测类别属于所述至少一个参考类别；针对每组所述图像对，获取所述图像对的类别比对结果和特征相似度，并得到所述图像对关于所述类别比对结果和所述特征相似度间的第一匹配度；其中，所述类别比对结果表示所述图像对所属的预测类别是否相同，所述特征相似度表示所述图像对的图像特征间的相似度；以及，基于所述参考图像所属的预测类别和所述参考类别，得到所述参考图像关于所述预测
类别与所述参考类别间的第二匹配度；利用所述第一匹配度和所述第二匹配度，得到所述概率信息。6.根据权利要求5所述的方法，其特征在于，在所述类别比对结果为所述预测类别相同的情况下，所述特征相似度与所述第一匹配度正相关，在所述类别比对结果为所述预测类别不同的情况下，所述特征相似度与所述第一匹配度负相关，且所述预测类别与所述参考类别相同时的第二匹配度大于所述预测类别与所述参考类别不同时的第二匹配度。7.根据权利要求5所述的方法，其特征在于，所述利用更新后的图像特征，预测所述图像所属的预测类别，包括：基于条件随机场网络，利用更新后的图像特征，预测所述图像所属的预测类别。8.根据权利要求5所述的方法，其特征在于，所述利用所述第一匹配度和所述第二匹配度，得到所述概率信息，包括：基于循环信念传播，利用所述第一匹配度和所述第二匹配度，得到所述概率信息。9.根据权利要求3所述的方法，其特征在于，所述预设条件包括：执行所述预测处理的次数未达到预设阈值。10.根据权利要求1所述的方法，其特征在于，所述利用所述类别相关度，更新所述多张图像的图像特征的步骤是由图神经网络执行的。11.根据权利要求1所述的方法，其特征在于，所述利用所述类别相关度，更新所述多张图像的图像特征，包括：利用所述类别相关度和所述图像特征，得到类内图像特征和类间图像特征；利用所述类内图像特征和所述类间图像特征进行特征转换，得到更新后的图像特征。12.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述图像对属于相同图像类别的情况下，将所述图像对初始的类别相关度确定为预设上限值；在所述图像对属于不同图像类别的情况下，将所述图像对初始的类别相关度确定为预设下限值；在所述图像对中至少一个为所述目标图像的情况下，将所述图像对初始的类别相关度确定为所述预设下限值和所述预设上限值之间的预设数值。13.一种图像检测模型的训练方法，其特征在于，包括：获取多张样本图像的样本图像特征以及至少一组样本图像对的样本类别相关度；其中，所述多张样本图像包括样本参考图像和样本目标图像，所述多张样本图像中的每两张样本图像形成一组所述样本图像对，所述样本类别相关度表...

【专利技术属性】
技术研发人员：唐诗翔，蔡官熊，郑清源，陈大鹏，赵瑞，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：