基于通路融合的图像识别方法、装置及存储介质制造方法及图纸

本申请公开了一种属于人工智能领域下属的计算机视觉技术和机器学习的基于通路融合的图像识别方法、装置及存储介质，该方法包括：获取待识别图像，并通过图像识别模型中的共享卷积层提取待识别图像的图像特征。通过图像识别模型中的第一批归一化层以及第二批归一化层获取图像特征对应的第一归一化图像特征以及第二归一化图像特征。通过图像识别模型中的通路特征融合模块获取上述图像特征对应的第一权重和第二权重。基于上述第一归一化图像特征、上述第一权重、上述第二归一化图像特征以及上述第二权重确定待识别图像的融合特征，并基于上述融合特征确定待识别图像的图像类别。采用本申请，可以提高图像识别的准确度，操作简单，适用性高。适用性高。适用性高。

【技术实现步骤摘要】
基于通路融合的图像识别方法、装置及存储介质


[0001]本申请涉及计算机
，尤其涉及一种基于通路融合的图像识别方法、装置及存储介质。

技术介绍

[0002]深度学习目前已经在许多视觉任务中得到广泛应用，例如图像分类、图像检测以及人脸识别等。现阶段中，深度学习模型应用在实际业务中时，攻击者可以通过给正常样本添加人的视觉/听觉无法感知的噪声对模型输入进行更改，从而篡改模型输出，尤其是在刷脸验证等直接涉及消费身份验证的场景，如果深度学习模型的鲁棒性不够高，则会带来很大的安全性风险。
[0003]本申请的专利技术人在研究和实践的过程中发现，针对深度学习模型的风险问题，现有技术通过使用可调节对抗训练(Once
‑
for
‑
all Adversarial Training，OAT)来训练深度学习模型，根据不同业务场景的风险程度，人工设定权衡参数用以对模型的自然精度(正常样本的准确率)和对抗精度(对抗样本的准确率)进行权衡。比如，在风险较大、安全性需求较高的场景中设定较大的权衡参数，此时模型的自然精度较低但对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于通路融合的图像识别方法，其特征在于，所述方法包括：获取待识别图像，将所述待识别图像输入图像识别模型，并通过所述图像识别模型中的共享卷积层提取所述待识别图像的图像特征；通过所述图像识别模型中的第一批归一化层获取所述图像特征对应的第一归一化图像特征，并通过所述图像识别模型中的第二批归一化层获取所述图像特征对应的第二归一化图像特征，所述第一批归一化层以及所述第二批归一化层分别由不同噪声强度的样本图像训练得到；通过所述图像识别模型中的通路特征融合模块获取所述图像特征对应的第一权重和第二权重，所述第一权重用于标记所述第一归一化图像特征所占的权重，所述第二权重用于标记所述第二归一化图像特征所占的权重，所述第一权重和所述第二权重之和为1；基于所述第一归一化图像特征、所述第一权重、所述第二归一化图像特征以及所述第二权重确定所述待识别图像的融合特征，并基于所述融合特征确定所述待识别图像的图像类别。2.根据权利要求1所述的方法，其特征在于，所述将所述待识别图像输入图像识别模型之前，所述方法还包括：获取包括至少三种噪声强度的至少三种第一样本图像，将各第一样本图像输入所述图像识别模型，并通过所述图像识别模型中的共享卷积层提取所述各第一样本图像的样本图像特征；根据所述各第一样本图像的样本图像特征对所述图像识别模型中的至少三个批归一化层进行训练，以得到训练后的至少三个批归一化层，其中，一种噪声强度的样本图像的样本图像特征用于训练一个批归一化层；从所述至少三个批归一化层中确定出所述图像识别模型的第一批归一化层和第二批归一化层，其中，所述第一批归一化层由所述至少三种样本图像中噪声强度最小的样本图像训练得到，所述第二批归一化层由所述至少三种样本图像中噪声强度最大的样本图像训练得到。3.根据权利要求2所述的方法，其特征在于，所述从所述至少三个批归一化层中确定出所述图像识别模型的第一批归一化层和第二批归一化层之后，所述方法还包括：删除所述至少三个批归一化层中除所述第一批归一化层以及所述第二批归一化层之外的其余批归一化层，以得到所述图像识别模型的批归一化层。4.根据权利要求2或3所述的方法，其特征在于，所述通过所述图像识别模型中的通路特征融合模块获取所述图像特征对应的第一权重和第二权重之前，所述方法还包括：获取第二样本图像，将所述第二样本图像输入所述图像识别模型，并通过所述图像识别模型中的共享卷积层提取所述第二样本图像的样本图像特征；通过所述图像识别模型中的第一批归一化层获取所述样本图像特征对应的第一归一化样本图像特征，并通过所述图像识别模型中的第二批归一化层获取所述样本图像特征对应的第二归一化样本图像特征；基于所述样本图像特征、所述第一归一化样本图像特征、所述第二归一化样本图像特征以及所述第二样本图像的图像类别标签对所述通路特征融合模块进行训练，以使所述通路特征融合模块输出任一图像特征通过所述第一批归一化层输出的归一化图像特征对应
的权重，以及通过所述第二批归一化层输出的归一化图像特征对应的权重。5.根据权利要求4所述的方法，其特征在于，所述基于所述样本图像特征、所述第一归一化样本图像特征、所述第二归一化样本图像特征以及所述第二样本图像的图像类别标签对所述通路特征融合模块进行训练，包括：通过所述图像识别模型中的通路特征融合模块获取所述样本图像特征对应的第一样本权重和第二样本权重，所述第一样本权重用于标记所述第一归一化样本图像特征所占的权重，所述第二样本权重用于...

【专利技术属性】
技术研发人员：汪韬，张睿欣，陈星宇，李绍欣，李季檩，黄飞跃，
申请(专利权)人：腾讯云计算北京有限责任公司，
类型：发明
国别省市：