目标识别模型的训练方法、目标识别方法及电子设备技术

本发明专利技术涉及目标识别技术领域，具体涉及目标识别模型的训练方法、目标识别方法及电子设备，训练方法包括获取预设识别模型以及获取样本数据集，预设识别模型是基于第一质量图像训练得到的，第一质量图像的质量高于第二质量图像的质量；对样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于第一采样数据集训练预设识别模型，确定第一识别模型；对样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于第二采样数据集训练预设识别模型，确定第二识别模型；对第一识别模型与第二识别模型进行特征层融合，确定目标识别模型。对具有互补性的两个模型进行结合，提高识别效果。别效果。别效果。

【技术实现步骤摘要】
目标识别模型的训练方法、目标识别方法及电子设备


[0001]本专利技术涉及目标识别
，具体涉及目标识别模型的训练方法、目标识别方法及电子设备。

技术介绍

[0002]目标识别技术已经被广泛应用，例如，人脸识别技术已被广泛地用于安防、金融等多个领域，它是利用计算机分析人脸图像从中获取有效的识别信息用于辨认身份的一门技术。目前使用的目标识别模型为了保证其识别效果，一般是使用高质量与低质量的图像进行训练，而在实际应用场合中，环境会更加复杂，会给目标识别带来很多干扰因素，进而影响其识别性能，导致识别效果不佳。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种目标识别模型的训练方法、目标识别方法及电子设备，以解决现有的在复杂环境下目标识别模型的识别效果不佳的问题。
[0004]根据第一方面，本专利技术实施例提供了一种目标识别模型的训练方法，包括：
[0005]获取预设识别模型以及获取样本数据集，所述预设识别模型是基于第一质量图像训练得到的，所述样本数据集包括第一质量图像以及第二质量图像，所述第一质量图像的质量高于所述第二质量图像的质量；
[0006]对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于所述第一采样数据集训练所述预设识别模型，确定第一识别模型；
[0007]对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于所述第二采样数据集训练所述预设识别模型，确定第二识别模型；
[0008]对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型。
[0009]本专利技术实施例提供的目标识别模型的训练方法，由于复杂环境下的样本一般都是第二质量图像，在训练中加入了低质域的训练样本，并结合训练方式和域损失，使第二质量图像的特征和第一质量图像的特征接近，使其识别效果靠近第一质量图像的识别效果，同时对具有互补性的两个模型进行结合，保证所得到的目标识别模型对于第一质量图像和第二质量图像的识别效果都会提高；且在训练过程中基于预设识别模型进行，在此基础上进行两个识别模型的训练，可以在提高识别效果的基础上不影响训练效率。
[0010]结合第一方面，在第一方面第一实施方式中，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，包括：
[0011]获取所述预设识别模型的输入样本数量；
[0012]基于所述输入样本数量按照1:1的比例，确定每次训练时所述第一质量图像以及所述第二质量图像的数量；
[0013]基于确定出的所述第一质量图像以及所述第二质量图像的数量，在所述样本数据集中进行采样，得到每次训练时的所述第一采样数据集。
[0014]本专利技术实施例提供的目标识别模型的训练方法，通过按照1:1的比例进行第一质量图像以及第二质量图像的提取，用于形成每次训练所采用的第一采样数据集，将第一质量图像作为原始域且第二质量图像作为目标域，使得第二质量图像的识别效果向第一质量图像靠近。
[0015]结合第一方面或第一方面第一实施方式，在第一方面第二实施方式中，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，包括：
[0016]获取所述预设识别模型的输入样本数量以及获取所述样本数据集中所述第一质量图像与所述第二质量图像的数量比例；
[0017]基于所述输入样本数量按照所述数量比例，确定每次训练时所述第一质量图像以及所述第二质量图像的数量；
[0018]基于确定出的所述第一质量图像以及所述第二质量图像的数量，在所述样本数据集中进行采样，得到每次训练时的所述第二采样数据集。
[0019]本专利技术实施例提供的目标识别模型的训练方法，依据样本数据集中第一质量图像与第二质量图像的数量比例进行第二采样数据集的确定，后续在训练时可以通过两种质量图像实现互补。
[0020]结合第一方面，在第一方面第三实施方式中，所述对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型，包括：
[0021]将所述第一识别模型与所述第二识别模型中的特征层后分别接入归一化层；
[0022]将两个所述归一化层进行融合，以确定所述目标识别模型。
[0023]本专利技术实施例提供的目标识别模型的训练方法，在特征层进行归一化连接后进行融合，使得所得到的目标识别模型能够结合两个模型的优点，提高目标识别模型的识别准确性。
[0024]结合第一方面，在第一方面第四实施方式中，所述获取预设识别模型，包括：
[0025]将所述第一质量图像输入识别模型中，得到所述识别模型的特征层输出以及所述识别模型的分类层输出；
[0026]分别基于所述特征层输出以及所述分类层输出进行相应的损失函数计算，以更新所述识别模型的参数，确定所述预设识别模型。
[0027]本专利技术实施例提供的目标识别模型的训练方法，通过在特征层以及分类层分别进行损失函数计算，以对识别模型的参数进行更新，保证了所训练得到的预设识别模型的准确性。
[0028]根据第二方面，本专利技术实施例还提供了一种目标识别方法，包括：
[0029]获取待识别图像；
[0030]将所述待识别图像输入目标识别模型中，确定所述待识别图像的待匹配特征，所述目标识别模型是根据本专利技术第一方面，或第一方面任一实施方式中所述的目标识别模型的训练方法训练得到的；
[0031]将所述待匹配特征与各个目标特征进行匹配，确定所述待识别图像对应的目标识别结果。
[0032]本专利技术实施例提供的目标识别方法，由于目标识别模型是通过对具有互补性的两
个模型进行结合得到的，保证所得到的目标识别模型对于第一质量图像和第二质量图像的识别效果都会提高，基于此，利用该目标识别模型对待识别图像进行识别，可以提高待匹配特征的准确性，进而提高了目标识别结果的准确性。
[0033]根据第三方面，本专利技术实施例提供了一种目标识别模型的训练装置，包括：
[0034]第一获取模块，用于获取预设识别模型以及获取样本数据集，所述预设识别模型是基于第一质量图像训练得到的，所述样本数据集包括第一质量图像以及第二质量图像，所述第一质量图像的质量高于所述第二质量图像的质量；
[0035]第一训练模块，用于对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于所述第一采样数据集训练所述预设识别模型，确定第一识别模型；
[0036]第二训练模块，用于对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于所述第二采样数据集训练所述预设识别模型，确定第二识别模型；
[0037]融合模块，用于对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型。
[0038]根据第四方面，本专利技术实施例还提供了一种目标识别装置，包括：
[0039]第二获取模块，用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标识别模型的训练方法，其特征在于，包括：获取预设识别模型以及获取样本数据集，所述预设识别模型是基于第一质量图像训练得到的，所述样本数据集包括第一质量图像以及第二质量图像，所述第一质量图像的质量高于所述第二质量图像的质量；对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，并基于所述第一采样数据集训练所述预设识别模型，确定第一识别模型；对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，并基于所述第二采样数据集训练所述预设识别模型，确定第二识别模型；对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型。2.根据权利要求1所述的方法，其特征在于，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第一采样得到第一采样数据集，包括：获取所述预设识别模型的输入样本数量；基于所述输入样本数量按照1:1的比例，确定每次训练时所述第一质量图像以及所述第二质量图像的数量；基于确定出的所述第一质量图像以及所述第二质量图像的数量，在所述样本数据集中进行采样，得到每次训练时的所述第一采样数据集。3.根据权利要求1或2所述的方法，其特征在于，所述对所述样本数据集中的第一质量图像以及第二质量图像进行第二采样得到第二采样数据集，包括：获取所述预设识别模型的输入样本数量以及获取所述样本数据集中所述第一质量图像与所述第二质量图像的数量比例；基于所述输入样本数量按照所述数量比例，确定每次训练时所述第一质量图像以及所述第二质量图像的数量；基于确定出的所述第一质量图像以及所述第二质量图像的数量，在所述样本数据集中进行采样，得到每次训练时的所述第二采样数据集。4.根据权利要求1所述的方法，其特征在于，所述对所述第一识别模型与所述第二识别模型进行特征层融合，确定目标识别模型，包括：将所述第一识别模型与所述第二识别模型中的特征层后分别接入归一化层；将两个所述归一化层进行融合，以确定所述目标识别模型。5.根据权利要求1所述的方法，其特征在于，所述获取预设识别模型，包括：将所述第一质量图像输入识别模型中，得到所述识别模型的特征层输出以及所述识别模型的分类层输出；分别基于所述特征层输出以及所述分类层输出进行相应的损失函数计算，以更新所述识别模...

【专利技术属性】
技术研发人员：史晓丽，张震国，吴剑平，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：