【技术实现步骤摘要】
图像识别方法、装置、电子设备及存储介质
[0001]本申请涉及图像识别
,更具体地,涉及一种图像识别方法、装置、电子设备及存储介质。
技术介绍
[0002]目前,可以通过针对特定类别的图像识别模型对待检测图像进行识别,得到针对特定类别的标签,该标签表征待检测图像包括特定类别下的对象或不包括特定类别下的对象。例如,通过针对猫的图像识别模型,确定的待检测图像的标签为待检测图像包括猫或待检测图像不包括猫。
[0003]为了使得图像识别模型可以对多个类别的对象进行识别,可以直接将不同类别的图像识别模型合并为多类别图像识别模型。在多类别图像识别模型中,在模型的前端,不同的类别共享同一个网络的若干层,在模型的后端,不同类别又开始分叉,不同的分叉用于得到不同类别的标签。例如,同一份数据输入到多类别图像识别模型中,得到各个类别的分叉分别对应的标签。
[0004]但是,不同的类别共享同一个网络的若干层,共享的若干网络层对不同类别之间的识别能力相互影响,使得多类别图像识别模型的识别效果较差,导致根据多类别图像识别模型确定的待检测图像的识别结果的准确率较低。
技术实现思路
[0005]有鉴于此,本申请实施例提出了一种图像识别方法、装置、电子设备及存储介质。
[0006]第一方面,本申请实施例提供了一种图像识别方法,方法包括:获取目标图像;通过图像识别模型对目标图像进行识别,得到多个预置类别各自对应的预测概率,每个预置类别的预测概率表征目标图像包括该预置类别下的对象的概率;图像识别模型包括共享网 ...
【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,所述方法包括:获取目标图像;通过图像识别模型对所述目标图像进行识别,得到多个预置类别各自对应的预测概率,每个所述预置类别的预测概率表征所述目标图像包括该预置类别下的对象的概率;所述图像识别模型包括共享网络层,所述共享网络层是指第一模型中被第二模型共享的网络层,所述图像识别模型是通过特征匹配损失值训练获得,所述特征匹配损失值用于表征所述第一模型以及所述第二模型之间的独立程度,所述第一模型是针对第一类别的模型,所述第二模型是针对第二类别的模型;所述第一类别包括至少一个所述预置类别,所述第二类别包括与所述第一类别不同的至少一个所述预置类别;根据所述多个预置类别各自对应的预测概率,得到对应所述目标图像的识别结果。2.根据权利要求1所述的方法,其特征在于,所述图像识别模型的获取方法包括:从所述第一模型中获取排序最靠前的预设数量个网络层,作为第一初始共享网络层;通过所述第一模型确定针对第一样本图像的第一概率,所述第一概率表征所述第一样本图像包括所述第一类别下的对象的概率;通过第一独立模型确定针对所述第一样本图像的第二概率,所述第二概率表征所述第一样本图像包括所述第二类别下的对象的概率,所述第一独立模型包括所述第一初始共享网络层以及第一独立网络层,所述第一独立网络层是指所述第二模型中除去第一相关网络层以外的网络层,所述第一相关网络层是指所述第二模型中与所述第一初始共享网络层对应的网络层;根据所述第一概率以及所述第二概率,确定特征匹配损失值;根据所述特征匹配损失值,对所述第一模型进行迭代训练,得到图像识别模型。3.根据权利要求2所述的方法,其特征在于,所述根据所述特征匹配损失值,对所述第一模型进行迭代训练,得到图像识别模型,包括:根据所述第一概率,确定第一损失值,所述第一损失值用于表征所述第一模型预测的所述第一概率的准确率;根据所述第二概率,确定第二损失值,所述第二损失值用于表征所述第一独立模型预测的所述第二概率的准确率;根据所述第一损失值、所述第二损失值以及所述特征匹配损失值,得到最终损失值;根据所述最终损失值,对所述第一模型进行迭代训练,得到图像识别模型。4.根据权利要求3所述的方法,其特征在于,所述根据所述第一损失值、所述第二损失值以及所述特征匹配损失值,得到最终损失值,包括:计算所述第一损失值、所述第二损失值以及所述特征匹配损失值的和,作为最终损失值。5.根据权利要求3所述的方法,其特征在于,所述根据所述最终损失值,对所述第一模型进行迭代训练,得到图像识别模型,包括:根据所述最终损失值,对所述第一模型进行迭代训练;若迭代次数达到预设次数,且训练后的第一模型不满足预设条件,从所述训练后的第一模型中获取训练后的第一初始共享网络层,作为所述共享网络层;根据所述共享网络层、所述训练后的第一模型以及所述第一独立网络层,得到所述图
像识别模型。6.根据权利要求3所述的方法,其特征在于,所述根据所述最终损失值,对所述第一模型进行迭代训练,得到图像识别模型,包括:根据所述最终损失值,对所述第一模型进行迭代训练;若训练后的第一模型满足预设条件,且迭代次数未达到预设次数,从所述训练后的第一模型中获取位于训练后的第一初始共享网络层之后的一个网络层以及所述训练后的第一初始共享网络层,作为新的第一初始共享网络层;获取所述训练后的第一模型作为新的第一模型;返回执行所述通过所述第一模型确定针对第一样本图像的第一概率的步骤,直到迭代次数达到预设次数或训练后的第一初始共享网络层为所述训练后的第一模型;获取最后一次训练过程得到的训练后的第一初始共享网络层,作为所述共享网络层;根据所述共享网络层、最后一次训练过程得到的训练后的第一模型以及所述第二模型,得到图像识别模型。7.根据权利要求6所述的方法,其特征在于,所述根据所述共享网络层、最后一次训练过程得到的训练后的第一模型以及所述第二模型,得到图像识别模型,包括:若最后一次训练过程得到的训练后的第一初始共享网络层为所述训练后的第一模型,获取所述共享网络层,作为所述...
【专利技术属性】
技术研发人员:朱城,鄢科,
申请(专利权)人:腾讯科技深圳有限公司,
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。