本申请实施例公开了一种目标识别方法、装置及电子设备和存储介质，在提取待识别对象的第一特征和参考对象的第二特征后，至少基于第一特征获得待识别对象对应的目标阈值，获得第一特征第二特征之间的距离，根据得到的距离和目标阈值确定待识别对象对应的目标识别结果。目标阈值确定待识别对象对应的目标识别结果。目标阈值确定待识别对象对应的目标识别结果。
【技术实现步骤摘要】
目标识别方法、装置及电子设备和存储介质
[0001]本申请涉及识别
，更具体地说，涉及一种目标识别方法、装置及电子设备和存储介质。
技术介绍
[0002]在解决目标识别问题时，需要设定比对阈值，比如，在进行人脸识别时，需要计算待识别的人脸图像的特征与目标人脸图像的特征的距离，将该距离与距离阈值进行比较，若该距离大于距离阈值，则认为待识别的人脸图像与目标人脸图像匹配，否则认为待识别的人脸图像与目标人脸图像不匹配。
[0003]在目前，比对阈值均是由人工结合大量的试验设定的阈值确定过程费时费力，而且，阈值一旦确定后不再更改，泛化能力弱。
技术实现思路
[0004]本申请的目的是提供一种目标识别方法、装置及电子设备和存储介质，包括如下技术方案：
[0005]一种目标识别方法，所述方法包括：
[0006]对待识别对象和参考对象分别进行特征提取，获得所述待识别对象的第一特征，以及所述参考对象的第二特征；
[0007]至少基于所述第一特征获得所述待识别对象对应的目标阈值；
[0008]获得所述第一特征和所述第二特征之间的距离；
[0009]根据所述距离和所述目标阈值确定所述待识别对象对应的目标识别结果。
[0010]上述方法，可选的，至少基于所述第一特征获得目标阈值，包括：
[0011]基于所述第一特征获得所述待识别对象对应的第一阈值，作为所述目标阈值；
[0012]或者，
[0013]基于所述第一特征获得所述待识别对象对应的第一阈值；基于所述第二特征获得所述参考对象对应的第二阈值；在所述第一阈值和所述第二阈值中选择满足条件的阈值作为所述目标阈值。
[0014]上述方法，可选的，还包括：
[0015]获得应用场景信息
[0016]如果所述应用场景信息表征第一应用场景，确定满足条件的阈值为：所述第一阈值和所述第二阈值中的较大阈值；
[0017]如果所述应用场景信息表征第二应用场景，确定满足条件的阈值为：所述第一阈值和所述第二阈值中的较小阈值；
[0018]所述第二应用场景对所述目标识别方法的识别率的要求高于所述第一应用场景对所述目标识别方法的识别率的要求。
[0019]上述方法，可选的，所述基于所述第一特征获得所述待识别对象对应的第一阈值，
包括：
[0020]基于所述第一特征预测所述待识别对象对应的阈值作为所述第一阈值；
[0021]或者，
[0022]基于所述第一特征预测所述待识别对象对应的第一阈值区间；将所述第一阈值区间的中位值确定为所述第一阈值。
[0023]上述方法，可选的，对待识别对象和参考对象进行特征提取，基于所述第一特征获得所述第一阈值，基于所述第二特征获得所述第二阈值的过程，包括：
[0024]利用预测模型分别对所述待识别对象和所述参考对象进行特征提取，获得所述待识别对象的第一特征，以及所述参考对象的第二特征；
[0025]利用所述预测模型基于所述第一特征获得所述待识别对象对应的第一阈值或第一阈值区间，基于所述第二特征获得所述参考对象对应的第二阈值或第二阈值区间；
[0026]所述第一阈值区间用于确定所述待识别对象对应的第一阈值为所述第一阈值区间的中位值，所述第二阈值区间用于确定所述参考对象对应的第二阈值为所述第二阈值区间的中位值。
[0027]上述方法，可选的，所述预测模型通过如下方式训练得到：
[0028]将多个训练样本输入所述预测模型，由所述预测模型对各个训练样本分别进行特征提取，得到各个训练样本的特征，根据任一训练样本的特征确定所述任一训练样本的类别、所述任一训练样本对应的阈值或阈值区间；所述任一训练样本对应的阈值区间用于确定所述任一训练样本对应的阈值为所述阈值区间的中位值；
[0029]以所述任一训练样本的类别趋近于所述任一训练样本的类别标签，所述任一训练样本对应的阈值趋近于所述任一训练样本对应的参考阈值，所述任一训练样本的特征趋近于目标正样本的特征、远离目标负样本的特征为目标，对所述预测模型的参数进行更新；
[0030]所述参考阈值为所述任一训练样本与所述目标正样本的特征间距离；所述目标正样本为所述多个训练样本中，与所述任一训练样本对应相同目标且特征间距离最大的训练样本；所述目标负样本为所述多个训练样本中，与所述任一训练样本对应不同目标且特征间距离最小的训练样本。
[0031]上述方法，可选的，所述预测模型通过如下方式训练得到：
[0032]将多个训练样本输入预训练的预测模型，由所述预训练的预测模型对各个训练样本分别进行特征提取，得到各个训练样本的特征，根据任一训练样本的特征确定所述任一训练样本的类别、所述任一训练样本对应的阈值或阈值区间；所述任一训练样本对应的阈值区间用于确定所述任一训练样本对应的阈值为所述阈值区间的中位值；
[0033]以所述任一训练样本的类别趋近于所述任一训练样本的类别标签，所述任一训练样本对应的阈值趋近于所述任一训练样本对应的参考阈值，所述任一训练样本的特征趋近于目标正样本的特征、远离目标负样本的特征为目标，对所述预训练的预测模型的参数进行更新；
[0034]所述参考阈值为所述任一训练样本与所述目标正样本的特征间距离；所述目标正样本为所述多个训练样本中，与所述任一训练样本对应相同目标且特征间距离最大的训练样本；所述目标负样本为所述多个训练样本中，与所述任一训练样本对应不同目标且特征间距离最小的训练样本；
[0035]所述预训练的预测模型通过对所述预测模型进行预训练得到，其中，在对所述预测模型进行预训练过程中，以所述预测模型输出的类别趋近于输入所述预测模型的训练样本的类别标签，所述预测模型得到输入所述预测模型的训练样本的特征趋近于目标正样本的特征、远离目标负样本的特征为目标，对所述预测模型的参数进行更新。
[0036]一种目标识别装置，所述装置包括：
[0037]特征提取单元，用于对待识别对象和参考对象分别进行特征提取，获得所述待识别对象的第一特征，以及所述参考对象的第二特征；
[0038]第一获得单元，用于至少基于所述第一特征获得所述待识别对象对应的目标阈值；
[0039]第二获得单元，用于获得所述第一特征和所述第二特征之间的距离；
[0040]确定单元，用于根据所述距离和所述目标阈值确定所述待识别对象对应的目标识别结果。
[0041]一种电子设备，包括：
[0042]存储器，用于存储程序；
[0043]处理器，用于调用并执行所述存储器中的所述程序，通过执行所述程序实现如上任一项所述的目标识别方法的各个步骤。
[0044]一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一项所述的目标识别方法的各个步骤。
[0045]通过以上方案可知，本申请提供的一种目标识别方法、装置及电子设备和存储介质，在提取待识别对象的第一特征和参本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标识别方法，所述方法包括：对待识别对象和参考对象分别进行特征提取，获得所述待识别对象的第一特征，以及所述参考对象的第二特征；至少基于所述第一特征获得所述待识别对象对应的目标阈值；获得所述第一特征和所述第二特征之间的距离；根据所述距离和所述目标阈值确定所述待识别对象对应的目标识别结果。2.根据权利1所述的方法，至少基于所述第一特征获得目标阈值，包括：基于所述第一特征获得所述待识别对象对应的第一阈值，作为所述目标阈值；或者，基于所述第一特征获得所述待识别对象对应的第一阈值；基于所述第二特征获得所述参考对象对应的第二阈值；在所述第一阈值和所述第二阈值中选择满足条件的阈值作为所述目标阈值。3.根据权利要求2所述的方法，还包括：获得应用场景信息；如果所述应用场景信息表征第一应用场景，确定满足条件的阈值为：所述第一阈值和所述第二阈值中的较大阈值；如果所述应用场景信息表征第二应用场景，确定满足条件的阈值为：所述第一阈值和所述第二阈值中的较小阈值；所述第二应用场景对所述目标识别方法的识别率的要求高于所述第一应用场景对所述目标识别方法的识别率的要求。4.根据权利要求2所述的方法，所述基于所述第一特征获得所述待识别对象对应的第一阈值，包括：基于所述第一特征预测所述待识别对象对应的阈值作为所述第一阈值；或者，基于所述第一特征预测所述待识别对象对应的第一阈值区间；将所述第一阈值区间的中位值确定为所述第一阈值。5.根据权利要求4所述的方法，对待识别对象和参考对象进行特征提取，基于所述第一特征获得所述第一阈值，基于所述第二特征获得所述第二阈值的过程，包括：利用预测模型分别对所述待识别对象和所述参考对象进行特征提取，获得所述待识别对象的第一特征，以及所述参考对象的第二特征；利用所述预测模型基于所述第一特征获得所述待识别对象对应的第一阈值或第一阈值区间，基于所述第二特征获得所述参考对象对应的第二阈值或第二阈值区间；所述第一阈值区间用于确定所述待识别对象对应的第一阈值为所述第一阈值区间的中位值，所述第二阈值区间用于确定所述参考对象对应的第二阈值为所述第二阈值区间的中位值。6.根据权利要求5所述的方法，所述预测模型通过如下方式训练得到：将多个训练样本输入所述预测模型，由所述预测模型对各个训练样本分别进行特征提取，得到各个训练样本的特征，根据任一训练样本的特征确定所述任一训练样本的类别、所述任一训练样本对应的阈值或阈值区间；所述任一训练样本对应的阈值区间用于确定所述
任一训练样本对应的阈值为所述阈值区间的中位值；以所述任一训练样本的类别趋近于所述任一训练样本的类别标签，所述任一训练样本对应的阈值趋近于所述任一训...
【专利技术属性】
技术研发人员：周玉凯，刘振华，
申请(专利权)人：联想北京有限公司，
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。