用于图像识别的方法和设备技术

公开了用于图像识别的方法和设备。一种图像识别方法包括：接收第一质量的输入图像；通过将输入图像输入到图像识别模型中的编码模型，从输入图像提取输入图像的第二质量的输入特征；和基于输入特征生成输入图像的识别结果。果。果。

【技术实现步骤摘要】
用于图像识别的方法和设备
[0001]本申请要求于2020年11月13日在韩国知识产权局提交的第10
‑
2020
‑
0151482号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。


[0002]下面的描述涉及用于图像识别的方法和设备。

技术介绍

[0003]识别处理的技术自动化可通过神经网络模型被实现，神经网络模型例如通过处理器实现为特殊计算结构，神经网络模型在大量的的训练之后为输入模式与输出模式之间的计算提供直观的映射。生成这样的映射的训练能力是神经网络的学习能力。此外，通过特殊训练而被训练和专门化的神经网络可具有例如针对未训练的输入模式提供相对准确的输出的的泛化能力。

技术实现思路

[0004]提供本
技术实现思路
以便以简化的形式介绍以下在具体实施方式中进一步描述的构思的选择。本
技术实现思路
不意在确定要求权利的主题的关键特征或必要特征，也不意在用于帮助确定要求权利的主题的范围。
[0005]在一个总体方面，一种图像识别方法包括：接收第一质量的输入图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，包括：接收第一质量的输入图像；通过将输入图像输入到图像识别模型中的编码模型，从输入图像提取输入图像的第二质量的输入特征；和基于输入特征生成输入图像的识别结果。2.根据权利要求1所述的图像识别方法，还包括：通过将第二质量的第二输入图像输入到编码模型，从第二输入图像提取第二质量的第二输入特征。3.根据权利要求1所述的图像识别方法，其中，编码模型是被预先训练为从输入图像提取第二质量的输入特征而不管输入图像具有第一质量还是具有第二质量的基于神经网络的模型。4.根据权利要求1所述的图像识别方法，还包括：通过将输入特征输入到图像识别模型中的解码模型来生成第二质量的输出图像。5.根据权利要求4所述的图像识别方法，其中，解码模型是被预先训练为基于第二质量的输入特征来生成第二质量的输出图像的基于神经网络的模型。6.根据权利要求4所述的图像识别方法，还包括：输出识别结果和输出图像两者。7.根据权利要求1至权利要求6中的任意一项所述的图像识别方法，还包括：通过用第二质量的初级训练图像集训练临时模型来确定解码参数；将解码模型的参数固定为解码参数，图像识别模型包括编码模型和解码模型；和用第一质量和第二质量的次级训练图像集来训练包括固定参数的图像识别模型。8.一种训练图像识别模型的方法，包括：通过用第二质量的初级训练图像集训练临时模型来确定解码参数；将图像识别模型中的解码模型的参数固定为解码参数，图像识别模型包括编码模型和解码模型；和用第一质量和第二质量的次级训练图像集对包括固定参数的图像识别模型进行训练。9.根据权利要求8所述的方法，其中，临时模型包括临时编码模型和临时解码模型，并且确定解码参数的步骤包括：基于由临时编码模型从初级训练图像集中的第一训练图像提取的第一训练特征来确定识别损失；基于由临时解码模型基于第一训练特征重构的第一输出图像来确定重构损失；和基于识别损失和重构损失来更新临时模型。10.根据权利要求8所述的方法，其中，临时模型包括临时可逆编码模型，并且确定解码参数的步骤包括：基于由临时可逆编码模型从初级训练图像集中的第一训练图像提取的第一训练特征来确定识别损失；和通过基于识别损失更新临时模型来确定解码参数。11.根据权利要求10所述的方法，其中，固定解码模型的参数的步骤包括通过反转临时可逆编码模型来确定解码模型。
12.根据权利要求8所述的方法，其中，对图像识别模型进行训练的步骤包括：根据由编码模型从次级训练图像集中的第二...

【专利技术属性】
技术研发人员：金仁洙，韩承周，朴圣真，白智原，韩在濬，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：