图像识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别图像；通过特征提取网络，对待识别图像进行特征提取，获得待识别图像的图像特征，特征提取网络为训练好的孪生网络中的一个分支网络；基于图像特征，得到待识别图像的类别。采用孪生网络机制训练得到的特征提取网络，能够提取到更为准确的图像特征，从而提升图像识别准确性。性。性。

【技术实现步骤摘要】
图像识别方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机视觉
，特别是涉及一种图像识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着深度学习技术的发展，出现了图像识别模型，可用于解决图像分类问题。模型在训练时需要大量的样本图片，然而目前获取的样本图片中不同类别之间的图片数量相差较大，不同类别样本的数量不均衡，影响网络对于样本数量少的类别的学习，导致提取的图像特征不够准确，从而影响图像识别准确性。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高识别准确性的图像识别方法、装置、计算机设备和存储介质。
[0004]一种图像识别方法，所述方法包括：
[0005]获取待识别图像；
[0006]通过特征提取网络，对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；所述特征提取网络为训练好的孪生网络中的一个分支网络；
[0007]基于所述图像特征，得到所述待识别图像的类别。
[0008]一种图像识别装置，所述装置包括：
[0009]获取模块，用于获取待识别图像；
[0010]特征提取模块，用于通过特征提取网络，对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；所述特征提取网络为训练好的孪生网络中的一个分支网络；
[0011]识别模块，用于基于所述图像特征，得到所述待识别图像的类别。
[0012]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0013]获取待识别图像；
[0014]通过特征提取网络，对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；所述特征提取网络为训练好的孪生网络中的一个分支网络；
[0015]基于所述图像特征，得到所述待识别图像的类别。
[0016]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0017]获取待识别图像；
[0018]通过特征提取网络，对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；所述特征提取网络为训练好的孪生网络中的一个分支网络；
[0019]基于所述图像特征，得到所述待识别图像的类别。
[0020]上述图像识别方法、装置、计算机设备和存储介质，通过训练好的孪生网络中的一
个分支网络作为特征提取网络来提取待识别图像的图像特征，基于该图像特征识别待识别图像的类别，孪生网络的训练过程中可以加强网络对于图像特征的学习能力，采用孪生网络机制训练得到的特征提取网络，能够提取到更为准确的图像特征，从而提升图像识别准确性。
附图说明
[0021]图1为一个实施例中图像识别方法的流程示意图；
[0022]图2为一个实施例中孪生网络的训练过程的示意图；
[0023]图3为一个实施例中对第一样本图像进行特征提取，得到第一通道特征和第一通道加权特征步骤的流程示意图；
[0024]图4为一个实施例中对第二样本图像进行特征提取，得到第二通道特征和第二通道加权特征步骤的流程示意图；
[0025]图5为一个实施例中孪生网络的结构示意图；
[0026]图6为一个实施例中图像识别装置的结构框图；
[0027]图7为一个实施例中计算机设备的内部结构图；
[0028]图8为一个实施例中计算机设备的内部结构图。
具体实施方式
[0029]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0030]在一个实施例中，如图1所示，提供了一种图像识别方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤S102至步骤S106。
[0031]S102，获取待识别图像。
[0032]待识别图像为需要进行类别识别的图像，可以通过识别图像类别来对图像进行分类。例如，当待识别图像为商品图像时，可以基于商品大类、商品中类或商品小类所包含的类别，对待识别图像进行分类，具体分类粒度可根据实际需求设定。
[0033]S104，通过特征提取网络，对待识别图像进行特征提取，获得待识别图像的图像特征；特征提取网络为训练好的孪生网络中的一个分支网络。
[0034]孪生网络包括第一分支网络和第二分支网络，特征提取网络可以是孪生网络中的任意一个分支网络，即可以是第一分支网络，也可以是第二分支网络。
[0035]在一个实施例中，如图2所示，孪生网络的训练过程包括以下步骤S202至步骤S210。
[0036]S202，获取样本图像及其标签类别，样本图像包括第一样本图像和第二样本图像。
[0037]样本图像为已知真实类别的图像，样本图像的标签类别指的是样本图像的真实类
别。第一样本图像和第二样本图像通过随机选取得到，其可以属于同一类别，也可以属于不同类别。在实施中，还可以对样本进行数据增强，具体可以通过图像翻转、随机裁剪、像素归一化等处理获得更丰富的样本图像。
[0038]S204，通过第一分支网络，对第一样本图像进行特征提取，得到第一通道特征和第一通道加权特征，根据第一通道特征和第一通道加权特征，获得第一样本图像的第一目标特征。
[0039]在其中一实施例中，可以对第一样本图像进行多通道特征提取，得到第一多通道特征图，第一通道特征可以是基于该第一多通道特征图获得的通道特征，通过学习各个通道间的相关性，可以获得各个通道的权重，该权重用于表征对应通道的重要性，将各个通道的权重与上述第一多通道特征图中对应的通道特征进行相乘，可以获得加权后的第一多通道特征图，因此，第一通道加权特征可以是基于该加权后的第一多通道特征图获得的通道特征。结合第一通道特征和第一通道加权特征，获得第一目标特征，第一目标特征指的是第一样本图像的最终特征，用于进行分类识别。
[0040]S206，通过第二分支网络，对第二样本图像进行特征提取，得到第二通道特征和第二通道加权特征，根据第二通道特征和第二通道加权特征，获得第二样本图像的第二目标特征。
[0041]在其中一实施例中，可以对第二样本图像进行多通道特征提取，得到第二多通道特征图，第二通道特征可以是基于该第二多通道特征图获得的通道特征，通过学习各个通道间的相关性，可以获得各个通道的权重，该权重用于表征对应通道的重要性，将各个通道的权重与上述第二多通道特征图中对应的通道特征进行相乘，可以获得加权后的第二多通道特征图，因此，第二通道加权特征本文档来自技高网...

【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：获取待识别图像；通过特征提取网络，对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；所述特征提取网络为训练好的孪生网络中的一个分支网络；基于所述图像特征，得到所述待识别图像的类别。2.根据权利要求1所述的方法，其特征在于，所述孪生网络包括第一分支网络和第二分支网络，所述孪生网络的训练过程包括：获取样本图像及其标签类别，所述样本图像包括第一样本图像和第二样本图像；通过所述第一分支网络，对所述第一样本图像进行特征提取，得到第一通道特征和第一通道加权特征，根据所述第一通道特征和所述第一通道加权特征，获得所述第一样本图像的第一目标特征；通过所述第二分支网络，对所述第二样本图像进行特征提取，得到第二通道特征和第二通道加权特征，根据所述第二通道特征和所述第二通道加权特征，获得所述第二样本图像的第二目标特征；对所述第一目标特征和所述第二目标特征进行特征融合，获得融合特征，基于所述融合特征进行映射，得到所述第一样本图像和所述第二样本图像的预测类别；基于各所述预测类别与对应标签类别的误差，调整所述孪生网络的参数，直至满足迭代结束条件，获得训练好的孪生网络。3.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行特征提取，得到第一通道特征和第一通道加权特征，包括：对所述第一样本图像进行卷积处理，得到第一通道特征图，对所述第一通道特征图进行压缩处理，得到第一通道特征；对所述第一通道特征进行激活处理，获得第一通道权重，所述第一通道权重包括所述第一通道特征中各通道对应的特征权重；根据所述第一通道特征图和所述第一通道权重，获得第一通道加权特征图，对所述第一通道加权特征图进行压缩处理，得到第一通道加权特征；和/或，所述对所述第二样本图像进行特征提取，得到第二通道特征和第二通道加权特征，包括：对所述第二样本图像进行卷积处理，得到第二通道特征图，对所述第二通道特征图进行压缩处理，得到第二通道特征；对所述第二通道特征进行激活处理，获得第二通道权重，所述第二通道权重包括所述第二通道特征中各通道对应的特征权重；根据所述第二通道特征图和所述第二通道权重，获得第二通道加权特征图，对所述第二通道加权特征图进行压缩处理，得到第二通道加权特征。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一通道特征图和所述第一通道权重，获得第一通道加权特征图，包括：将所述第一通道特征图中各通道对应的特征图乘以所述第一通道权重中对应通道的特征权重，获得第一通道加权特征图；和/或，所述根据所述第二通道特征图和所述第二通道权重，获得第二通道加权特征图，包括：
将所述第二通道特征图中各通道对应的特征图与所述第二通道权重中对应通道的特征权重进行相乘，获得第二通道加权特征图。5.根据权利要求2所述的方法，其特征在于，所述根据所述第一通道特征和所述第一通道加权特征，获得所述第一样本图像的第...

【专利技术属性】
技术研发人员：相鹏，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：