本公开关于一种标识识别方法、装置、电子设备及计算机可读存储介质，该方法包括：对包含待识别标识的图像进行区域检测，得到包含待识别标识的目标区域；对目标区域进行特征提取，得到目标区域的待处理特征向量；将待处理特征向量与预设的特征向量库进行匹配；若确定存在匹配，则将匹配的预设特征向量子集对应的预设标识名称作为待识别标识的标识名称。由于图像中的标识不同，或者，相同的标识的形态不同，提取到的特征向量也是不同的，所以，针对不同的标识，相同的标识的不同形态，都可以提取到不同的特征向量，本公开不仅提高了对已知标识的识别率，还提高了对全新标识的识别率。还提高了对全新标识的识别率。还提高了对全新标识的识别率。
【技术实现步骤摘要】
标识识别方法、装置、电子设备及计算机可读存储介质
[0001]本公开涉及图像识别，尤其涉及标识识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]标识识别包括从商品图/视频/直播中识别出品牌LOGO。标识识别相比一般的目标检测任务有以下难点：不同品牌LOGO之间相似度高；以及相同品牌LOGO之间形态不同。
[0003]相关技术中，识别方法类似于目标检测，即，将不同品牌LOGO作为类别进行标识识别，但是，针对上述难点，这种方法的识别率仍然较低，特别是针对全新的品牌LOGO。
技术实现思路
[0004]为克服相关技术中存在的问题，本公开提供一种标识识别方法、装置、电子设备及存储介质。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种标识识别方法，包括：
[0006]对包含待识别标识的图像进行区域检测，得到包含所述待识别标识的目标区域；
[0007]对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量；
[0008]将所述待处理特征向量与预设的特征向量库进行匹配；所述特征向量库包括至少两个预设特征向量子集，每个预设特征向量子集与预设标识名称一一对应；
[0009]若确定存在匹配，则将匹配的预设特征向量子集对应的预设标识名称作为所述待识别标识的标识名称。
[0010]可选的，所述对包含待识别标识的图像进行区域检测，得到包含所述待识别标识的目标区域，包括：
[0011]采用已训练的标识区域检测模型对所述图像进行检测，确定出所述待识别标识在所述图像中的目标位置信息；
[0012]基于所述目标位置信息对所述待识别标识的区域进行分割，得到包含所述待识别标识的目标区域。
[0013]可选的，所述已训练的标识区域检测模型通过如下方式训练：
[0014]将包含区域标注的第一样本图像输入预设标识区域检测模型，以使得所述预设的第一标识区域检测模型对所述第一样本图像进行检测，确定出所述第一样本图像中目标标识的第一位置信息，基于所述第一位置信息对所述目标标识的区域进行分割，得到包含所述目标标识的预测区域；
[0015]基于所述区域标注和所述预测区域计算得到第一损失；
[0016]基于所述第一损失对所述预设标识区域检测模型进行训练，得到已训练的标识区域检测模型。
[0017]可选的，所述对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量，包括：
[0018]采用已训练的标识识别模型对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量。
[0019]可选的，所述已训练的标识识别模型通过如下方式训练：
[0020]将第二样本图像输入预设标识识别模型，以使得所述预设标识识别模型对所述第二样本图像进行特征提取，得到所述第二样本图像的第一特征向量；所述第二样本图像包括样本标识和所述样本标识的标签；
[0021]基于预设的特征向量库对所述第一特征向量进行检测，得到所述样本标识的预测结果；所述预测结果用于指示样本标识对应的标识名称；
[0022]当所述预测结果与所述标签不匹配时，从所述特征向量库中获取与所述标签属于同一标识的第二特征向量，以及，获取与所述标签属于不同标识的第三特征向量；
[0023]将所述第一特征向量、所述第二特征向量和所述第三特征向量组成三元组；
[0024]基于所述三元组计算得到第二损失；
[0025]基于所述第二损失对所述预设标识识别模型进行训练，得到已训练的标识识别模型。
[0026]可选的，所述基于所述三元组计算得到第二损失，包括：
[0027]将所述第一特征向量和所述第二特征向量代入预设距离度量网络，计算得到第一距离，以及，将所述第一特征向量和所述第三特征向量代入所述预设距离度量网络，计算得到第二距离；
[0028]计算得到所述第一距离与所述第二距离的距离差距；
[0029]基于所述距离差距和预设的距离差距阈值计算得到第二损失。
[0030]可选的，
[0031]所述将所述待处理特征向量与预设的特征向量库进行匹配，包括：
[0032]将所述待处理特征向量与所述每个预设特征向量子集中的每个预设特征向量进行近邻检索；
[0033]若存在检索结果，则确定存在匹配；
[0034]若不存在检索结果，则确定不存在匹配。
[0035]根据权利要求1所述的标识识别方法，其特征在于，所述方法还包括：
[0036]若确定不存在匹配，则将所述待识别标识确定为待识别标识；
[0037]生成所述待识别标识为待识别标识的提示信息；
[0038]展示所述提示信息。
[0039]可选的，所述方法还包括：
[0040]获取所述待识别标识的目标标识名称；
[0041]确定出所述目标标识对应的目标特征向量；
[0042]建立所述目标标识名称与所述目标特征向量的关联关系；
[0043]基于所述关联关系和所述目标特征向量，更新所述预设的特征向量库。
[0044]可选的，每个所述预设特征向量子集具有对应的对象类别信息；所述将所述待处理特征向量与预设的特征向量库进行匹配，包括：
[0045]基于所述图像中的内容信息确定出所述图像的目标对象类别信息；
[0046]确定出所述特征向量库中具有所述目标对象类别信息的候选特征向量子集；
[0047]将所述待处理特征向量与所述候选特征向量子集进行匹配。
[0048]根据本公开实施例的第二方面，提供一种标识识别装置，包括：
[0049]区域检测单元，被配置为对包含待识别标识的图像进行区域检测，得到包含所述待识别标识的目标区域；
[0050]特征提取单元，被配置为对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量；
[0051]匹配单元，被配置为将所述待处理特征向量与预设的特征向量库进行匹配；所述特征向量库包括至少两个预设特征向量子集，每个预设特征向量子集与预设标识名称一一对应；
[0052]第一确定单元，被配置为若确定存在匹配，则将匹配的预设特征向量子集对应的预设标识名称作为所述待识别标识的标识名称。
[0053]可选的，所述区域检测单元，包括：
[0054]第一调用子单元，被配置为调用已训练的标识区域检测模型对所述图像进行检测，确定出所述待识别标识在所述图像中的目标位置信息；
[0055]标注子单元，被配置为基于所述目标位置信息对所述待识别标识的区域进行分割，得到包含所述待识别标识的目标区域。
[0056]可选的，所述装置还包括：
[0057]第一输入单元，被配置为将包含区域标注的第一样本图像输入预设标识区域检测模型，以使得所述预设标识区域检测模型对所述第一样本图像进行检测，确定出所述第一样本图像中目标标识的第一位置信息，基于所述第一位置信息对所述目标标识的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种标识识别方法，其特征在于，包括：对包含待识别标识的图像进行区域检测，得到包含所述待识别标识的目标区域；对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量；将所述待处理特征向量与预设的特征向量库进行匹配；所述特征向量库包括至少两个预设特征向量子集，每个预设特征向量子集与预设标识名称一一对应；若确定存在匹配，则将匹配的预设特征向量子集对应的预设标识名称作为所述待识别标识的标识名称。2.根据权利要求1所述的标识识别方法，其特征在于，所述对包含待识别标识的图像进行区域检测，得到包含所述待识别标识的目标区域，包括：采用已训练的标识区域检测模型对所述图像进行检测，确定出所述待识别标识在所述图像中的目标位置信息；基于所述目标位置信息对所述待识别标识的区域进行分割，得到包含所述待识别标识的目标区域。3.根据权利要求2所述的标识识别方法，其特征在于，所述已训练的标识区域检测模型通过如下方式训练：将包含区域标注的第一样本图像输入预设标识区域检测模型，以使得所述预设标识区域检测模型对所述第一样本图像进行检测，确定出所述第一样本图像中目标标识的第一位置信息，基于所述第一位置信息对所述目标标识的区域进行分割，得到包含所述目标标识的预测区域；基于所述区域标注和所述预测区域计算得到第一损失；基于所述第一损失对所述预设标识区域检测模型进行训练，得到已训练的标识区域检测模型。4.根据权利要求1所述的标识识别方法，其特征在于，所述对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量，包括：采用已训练的标识识别模型对所述目标区域进行特征提取，得到所述目标区域的待处理特征向量。5.根据权利要求4所述的标识识别方法，其特征在于，所述已训练的标识识别模型通过如下方式训练：将第二样本图像输入预设标识识别模型，以使得所述预设标识识别模型对所述第二样本图像进行特征提取，得到所述第二样本图像的第一特征向量；所述第二样本图像包括样本标识和所述样本标识的标签；基于预设的特征向量库对所述第一特征向量进行检测，得...
【专利技术属性】
技术研发人员：张航，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。