本公开关于一种图像识别方法、装置、电子设备和计算机可读存储介质，图像识别方法包括：获取待识别图像；利用图像识别模型的特征提取网络，提取待识别图像的图像特征向量，将图像特征向量按照预设比例分割为第一特征向量和第二特征向量；将第一特征向量输入图像识别模型的分类网络，得到候选预估类别及其预估概率；在预估概率小于概率阈值的情况下，获取多个预先配置的携带有类别标签的检索特征向量；根据第二特征向量和检索特征向量，确定预估类别。本公开能够较好地结合图像分类的基于大数据统计的归纳推理能力和图像检索的局部泛化能力，提升图像识别模型整体识别效果。提升图像识别模型整体识别效果。提升图像识别模型整体识别效果。
【技术实现步骤摘要】
图像识别方法、装置、电子设备和计算机可读存储介质
[0001]本公开涉及图像
，尤其涉及一种图像识别方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，作为人工智能的一个重要领域，在日常生活中得到了日渐广泛的应用。
[0003]分类和检索是解决识别类型问题的两种常用方式。其中，分类是基于大量的样本学习归纳总结出某个类别的常用知识，进而推理待识别图像是否属于该类别。检索是从单一样本出发，通过计算待识别图像的特征与样本的特征之间的相似度，来判断待识别图像是否与该样本为同一类别。从侧重方向上来说，图像分类侧重从整体出发，图像检索则侧重从局部出发。虽然侧重方向不同，但现有的图像分类或者图像检索都是从单一维度进行识别，识别能力有限，在某些高准召指标要求的业务中，例如安全业务、内容运营业务，较难满足业务要求。
技术实现思路
[0004]本公开提供一种图像识别方法、装置、电子设备和计算机可读存储介质，以至少解决相关技术中的如何提升图像识别效果的问题，也可不解决任何上述问题。
[0005]根据本公开的第一方面，提供了一种图像识别方法，所述图像识别方法包括：获取待识别图像；利用图像识别模型的特征提取网络，提取所述待识别图像的图像特征向量，将所述图像特征向量按照预设比例分割为第一特征向量和第二特征向量，其中，所述第一特征向量用于图像分类，所述第二特征向量用于图像检索；将所述第一特征向量输入所述图像识别模型的分类网络，得到候选预估类别及其预估概率；在所述预估概率小于概率阈值的情况下，获取多个预先配置的携带有类别标签的检索特征向量；根据所述第二特征向量和所述检索特征向量，确定所述预估类别。
[0006]可选地，所述携带有类别标签的检索特征向量通过以下步骤得到：获取携带有所述类别标签的第一样本图像；利用所述特征提取网络，提取所述第一样本图像的所述图像特征向量，将所述图像特征向量按照所述预设比例分割为所述第一特征向量和所述第二特征向量；将所述第一样本图像的所述图像特征向量中的所述第一特征向量输入所述分类网络，得到所述第一样本图像的所述候选预估类别及其所述预估概率；针对所述第一样本图像，在所述预估概率小于所述概率阈值、且所述候选预估类别与所述第一样本图像的所述类别标签相符的情况下，将所述第一样本图像的所述图像特征向量中的所述第二特征向量作为所述检索特征向量，并与所述第一样本图像的所述类别标签相关联，得到所述携带有类别标签的检索特征向量。
[0007]可选地，所述根据所述第二特征向量和所述检索特征向量，确定所述预估类别，包括：计算所述第二特征向量与各个所述检索特征向量的相似度；根据各个所述相似度，确定
所述预估类别。
[0008]可选地，所述根据各个所述相似度，确定所述预估类别，包括：确定各个所述相似度中的最大值，作为候选相似度；在所述候选相似度大于或等于相似度阈值的情况下，将所述候选相似度对应的所述类别标签的类别，作为所述预估类别。
[0009]可选地，所述图像识别模型通过以下步骤训练得到：获取第二样本图像；对所述第二样本图像进行至少两次不同的数据增广处理，得到所述第二样本图像对应的至少两个增广图像；利用待训练的图像识别模型，提取每个所述增广图像的所述图像特征向量，将所述图像特征向量按照所述预设比例分割为所述第一特征向量和所述第二特征向量，并获得每个所述增广图像的所述候选预估类别；根据每个所述增广图像的所述候选预估类别和所述第二样本图像的类别标签，确定第一损失值；对比所述至少两个增广图像的所述图像特征向量中的所述第二特征向量，确定第二损失值；根据所述第一损失值和所述第二损失值，确定总损失值；基于所述总损失值，调整所述待训练的图像识别模型的特征提取网络和分类网络的参数，得到所述图像识别模型。
[0010]可选地，所述根据每个所述增广图像的所述候选预估类别和所述第二样本图像的类别标签，确定第一损失值，包括：在所述第二样本图像未携带所述类别标签的情况下，将预设损失值作为所述第一损失值。
[0011]可选地，在所述将所述第一特征向量输入所述图像识别模型的分类网络，得到候选预估类别及其预估概率之后，所述图像识别方法还包括：在所述预估概率大于或等于所述概率阈值的情况下，将所述候选预估类别作为预估类别。
[0012]根据本公开的第二方面，提供了一种图像识别装置，所述图像识别装置包括：获取单元，被配置为执行获取待识别图像；提取单元，被配置为执行利用图像识别模型的特征提取网络，提取所述待识别图像的图像特征向量，将所述图像特征向量按照预设比例分割为第一特征向量和第二特征向量，其中，所述第一特征向量用于图像分类，所述第二特征向量用于图像检索；分类单元，被配置为执行将所述第一特征向量输入所述图像识别模型的分类网络，得到候选预估类别及其预估概率；所述获取单元还被配置为执行在所述预估概率小于概率阈值的情况下，获取多个预先配置的携带有类别标签的检索特征向量；确定单元，被配置为执行根据所述第二特征向量和所述检索特征向量，确定所述预估类别。
[0013]可选地，所述携带有类别标签的检索特征向量通过以下步骤得到：获取携带有所述类别标签的第一样本图像；利用所述特征提取网络，提取所述第一样本图像的所述图像特征向量，将所述图像特征向量按照预设比例分割为所述第一特征向量和所述第二特征向量；将所述第一样本图像的所述图像特征向量中的所述第一特征向量输入所述分类网络，得到所述第一样本图像的所述候选预估类别及其所述预估概率；针对所述第一样本图像，在所述预估概率小于所述概率阈值、且所述候选预估类别与所述第一样本图像的所述类别标签相符的情况下，将所述第一样本图像的所述图像特征向量中的所述第二特征向量作为所述检索特征向量，并与所述第一样本图像的所述类别标签相关联，得到所述携带有类别标签的检索特征向量。
[0014]可选地，所述确定单元还被配置为执行计算所述第二特征向量与各个所述检索特征向量的相似度；根据各个所述相似度，确定所述预估类别。
[0015]可选地，所述确定单元还被配置为执行确定各个所述相似度中的最大值，作为候
选相似度；在所述候选相似度大于或等于相似度阈值的情况下，将所述候选相似度对应的所述类别标签的类别，作为所述预估类别。
[0016]可选地，所述图像识别模型通过以下步骤训练得到：获取第二样本图像；对所述第二样本图像进行至少两次不同的数据增广处理，得到所述第二样本图像对应的至少两个增广图像；利用待训练的图像识别模型，提取每个所述增广图像的所述图像特征向量，将所述图像特征向量按照预设比例分割为所述第一特征向量和所述第二特征向量，并获得每个所述增广图像的所述候选预估类别；根据每个所述增广图像的所述候选预估类别和所述第二样本图像的类别标签，确定第一损失值；对比所述至少两个增广图像的所述图像特征向量中的所述第二特征向量，确定第二损失值；根据所述第一损失值和所述第二损失值，确定总损失值；基于所本文档来自技高网...
【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，所述图像识别方法包括：获取待识别图像；利用图像识别模型的特征提取网络，提取所述待识别图像的图像特征向量，将所述图像特征向量按照预设比例分割为第一特征向量和第二特征向量，其中，所述第一特征向量用于图像分类，所述第二特征向量用于图像检索；将所述第一特征向量输入所述图像识别模型的分类网络，得到候选预估类别及其预估概率；在所述预估概率小于概率阈值的情况下，获取多个预先配置的携带有类别标签的检索特征向量；根据所述第二特征向量和所述检索特征向量，确定所述预估类别。2.如权利要求1所述的图像识别方法，其特征在于，所述携带有类别标签的检索特征向量通过以下步骤得到：获取携带有所述类别标签的第一样本图像；利用所述特征提取网络，提取所述第一样本图像的所述图像特征向量，将所述图像特征向量按照所述预设比例分割为所述第一特征向量和所述第二特征向量；将所述第一样本图像的所述图像特征向量中的所述第一特征向量输入所述分类网络，得到所述第一样本图像的所述候选预估类别及其所述预估概率；针对所述第一样本图像，在所述预估概率小于所述概率阈值、且所述候选预估类别与所述第一样本图像的所述类别标签相符的情况下，将所述第一样本图像的所述图像特征向量中的所述第二特征向量作为所述检索特征向量，并与所述第一样本图像的所述类别标签相关联，得到所述携带有类别标签的检索特征向量。3.如权利要求1所述的图像识别方法，其特征在于，所述根据所述第二特征向量和所述检索特征向量，确定所述预估类别，包括：计算所述第二特征向量与各个所述检索特征向量的相似度；根据各个所述相似度，确定所述预估类别。4.如权利要求3所述的图像识别方法，其特征在于，所述根据各个所述相似度，确定所述预估类别，包括：确定各个所述相似度中的最大值，作为候选相似度；在所述候选相似度大于或等于相似度阈值的情况下，将所述候选相似度对应的所述类别标签的类别，作为所述预估类别。5.如权利要求1到4中的任一权利要求所述的图像识别方法，其特征在于，所述图像识别模型通过以下步骤训练得到：获取第二样本图像；对所述第二样本图像进行至少两次不同的数据增广处理，得到所述第二样本图像对应的至少两个增广图像；利用待训练的图像识别模型，提取每个所述增广图像的所述图像特征向量，将所述图像特征向量...
【专利技术属性】
技术研发人员：申世伟，李家宏，
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。