【技术实现步骤摘要】
图像识别方法
[0001]本说明书实施例涉及计算机
，特别涉及一种图像识别方法。
技术介绍
[0002]随着图像识别技术的不断发展和应用，通过图像识别技术能够准确地对特定类别的对象进行识别，从而为人们的日常生活提供便利。而现有技术中的图像识别技术大多通过神经网络模型实现，但是神经网络模型为了适应不断增加新类别对象，也需要不断的进行学习训练，从而对新类型对象进行识别。但是在模型不断学习训练的过程中，随着新类型对象的不断增加，神经网络模型对于旧类型对象的识别能力会不断下降，从而导致模型的图像识别能力降低，图像识别结果不准确等问题。
技术实现思路
[0003]有鉴于此，本说明书实施例提供了一种图像识别方法。本说明书一个或者多个实施例同时涉及一种图像识别模型训练方法，另一种图像识别方法，两种图像识别装置，一种图像识别模型训练装置，一种计算设备，一种计算机可读存储介质，一种计算机程序，以解决现有技术中存在的技术缺陷。
[0004]根据本说明书实施例的第一方面，提供了一种图像识别方法，包括：
[00...
【技术保护点】
【技术特征摘要】
1.一种图像识别方法，包括：接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。2.根据权利要求1所述的图像识别方法，所述将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，包括：将所述待识别图像输入目标图像识别模型，利用所述目标图像识别模型中的特征提取模块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；利用所述目标图像识别模型中的图像识别模块对所述图像特征进行图像识别，获得所述待识别图像的图像识别结果。3.根据权利要求1所述的图像识别方法，所述接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果之前，还包括：确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。4.一种图像识别模型训练方法，包括：确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。5.根据权利要求4所述的图像识别模型训练方法，所述对所述当前样本图像进行特征提取，获得当前样本图像特征，包括：将所述当前样本图像输入所述初始图像识别模型，利用所述初始图像识别模型中的特征提取模块对所述当前样本图像进行特征提取，获得所述当前样本图像的当前样本图像特征。6.根据权利要求4所述的图像识别模型训练方法，所述对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征，包括：利用所述初始图像识别模型中的特征处理模块，将所述历史样本图像特征以及所述当前样本图像特征进行特征关联，获得目标样本图像特征。
7.根据权利要求6所述的图像识别模型训练方法，所述利用所述初始图像识别模型中的特征处理模块，将所述历史样本图像特征以及所述当前样本图像特征进行特征关联，获得目标样本图像特征，包括：利用所述初始图像识别模型中的特征处理模块，将所述当前样本图像特征作为查询条件，计算所述历史样本图像特征与所述查询条件的相似系数；利用所述相似系数对所述当前样本图像特征进行加权，获得加权特征，并将所述加权特征与所述当前样本图像特征相加，获得目标样本图像特征。8.根据权利要求4所述的图像识别模型...
【专利技术属性】
技术研发人员：王烨，毛超杰，江泽胤子，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
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。