本申请公开了一种对象识别方法和装置、存储介质及电子设备。其中，该方法包括：获取待识别的图片，将待识别的图片输入目标识别模块，得到目标识别结果，其中，目标识别模块是使用样本图片和样本标签对预训练的初始识别模块和预训练的目标数据分类模块进行联合训练得到的识别模块，初始识别模块用于确定目标对象在样本图片中的位置，目标数据分类模块用于在联合训练的过程中，确定样本图片的图片类别，并将梯度反向传播至初始识别模块，以减少初始识别模块提取的用于区分图片类别的特征信息。本申请解决了图片的识别准确率较低，识别图片的模型训练过程复杂的技术问题。的模型训练过程复杂的技术问题。的模型训练过程复杂的技术问题。
【技术实现步骤摘要】
对象识别方法和装置、存储介质及电子设备
[0001]本申请涉及计算机领域，具体而言，涉及一种对象识别方法和装置、存储介质及电子设备。
技术介绍
[0002]目前，使用生成数据训练初始识别模块方法包括采用生成数据对常规预训练模型进行训练，通常采用多层级联的网络对生成数据进行训练，从而提升初始识别模块对生成数据所在的目标场景的准确率。但是，上述方案需要对初始识别模块进行特殊设计，该过程需要对设计的模型进行反复训练验证，训练周期较长，且得到的网络无法自适应到其他的数据源，造成设计资源浪费，对不同场景的生成数据需要设计不同的网络结构进行适配，模型训练过程繁杂无法进行统一的模型结构适配。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种对象识别方法和装置、存储介质及电子设备，以至少解决图片的识别准确率较低，识别图片的模型训练过程复杂的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种对象识别方法，包括：一种对象识别方法，其特征在于，包括：获取待识别的图片，其中，所述待识别的图片是与目标场景关联的图片；将所述待识别的图片输入目标识别模块，得到目标识别结果，其中，所述目标识别结果表示在所述目标场景下是否识别到目标对象以及在识别到所述目标对象的情况下，所述目标对象在所述待识别的图片中的位置，所述目标识别模块是使用样本图片和样本标签对预训练的初始识别模块和预训练的目标数据分类模块进行联合训练得到的识别模块，所述初始识别模块用于确定所述目标对象在所述样本图片中的位置，所述目标数据分类模块用于在所述联合训练的过程中，确定所述样本图片的图片类别，并将梯度反向传播至所述初始识别模块，以减少所述初始识别模块提取的用于区分所述图片类别的特征信息。
[0006]根据本申请实施例的另一方面，还提供了一种对象识别装置，包括：获取模块，用于获取待识别的图片，其中，所述待识别的图片是与目标场景关联的图片；识别模块，用于将所述待识别的图片输入目标识别模块，得到目标识别结果，其中，所述目标识别结果表示在所述目标场景下是否识别到目标对象以及在识别到所述目标对象的情况下，所述目标对象在所述待识别的图片中的位置，所述目标识别模块是使用样本图片和样本标签对预训练的初始识别模块和预训练的目标数据分类模块进行联合训练得到的识别模块，所述初始识别模块用于确定所述目标对象在所述样本图片中的位置，所述目标数据分类模块用于在所述联合训练的过程中，确定所述样本图片的图片类别，并将梯度反向传播至所述初始识别模块，以减少所述初始识别模块提取的用于区分所述图片类别的特征信息。
[0007]可选地，所述装置还用于：
[0008]通过如下方式训练初始数据分类模块，得到所述目标数据分类模块：
[0009]获取所述样本图片和对应的所述样本标签，其中，所述样本图片包括标注了真实标签的所述真实样本图片和标注了生成标签的所述生成样本图片；
[0010]将所述样本图片输入所述初始识别模块，得到所述中间层特征信息；
[0011]将所述中间层特征信息输入初始数据分类模块，对所述中间层特征信息进行分类操作，得到初始分类结果，其中，所述初始分类结果用于确定所述样本图片的图片类别；
[0012]根据所述初始分类结果与所述样本标签计算第一损失值；
[0013]根据所述第一损失值基于梯度下降的方式优化所述初始数据分类模块，直到训练结果满足第一损失条件，得到所述目标数据分类模块。
[0014]可选地，所述装置还用于：在所述第一损失值满足第一损失条件的情况下，将所述初始数据分类模块确定为所述目标数据分类模块之后，通过如下方式联合训练所述初始识别模块，得到所述目标识别模块：将所述中间层特征信息输入所述目标数据分类模块，得到目标分类结果，其中，所述目标分类结果用于确定所述中间层特征信息对应的图片类别；根据所述目标数据分类模块所产生的梯度信息反向更新所述初始识别模块，以调整所述初始识别模块的模块参数，减少所述初始识别模块提取的所述特征信息；获取所述初始识别模块输出的初始识别结果，并根据所述初始识别结果计算第二损失值；在所述第二损失值满足第二损失条件的情况下，将所述初始识别模块确定为所述目标识别模块；在所述第二损失值未满足所述第二损失条件的情况下，对所述初始识别模块的参数进行调整。
[0015]可选地，所述装置用于通过如下方式获取所述初始识别模块输出的初始识别结果，并根据所述初始识别结果计算第二损失值：在将所述生成样本图片和所述真实样本图片分别输入所述初始识别模块的情况下，得到样本中间层特征信息；根据所述样本中间层特征信息确定第一约束损失和第二约束损失，其中，所述第一约束损失与所述生成样本图片对应，所述第二约束损失与所述真实样本图片对应；将所述样本中间层特征信息输入所述目标数据分类模块，确定第三约束损失，其中，在所述目标数据分类模块识别正确时，反向更新所述初始识别模块的参数，在所述目标数据分类模块识别错误时，正向更新所述初始识别模块的参数，以减少所述初始识别模块提取的所述特征信息；根据所述第一约束损失、所述第二约束损失以及所述第三约束损失计算所述第二损失值。
[0016]可选地，所述装置用于通过如下方式将所述样本中间层特征信息输入所述目标数据分类模块，确定第三约束损失：将所述样本中间层特征信息输入所述目标数据分类模块，得到联合训练分类结果，其中，所述联合训练分类结果表示所述样本中间层特征信息是否是所述真实样本图片；根据所述联合训练分类结果和所述样本标签确定所述第三约束损失，其中，所述样本标签表示输入的所述样本图片的图片类别是所述真实样本图片或输入的所述样本图片的图片类别是所述生成样本图片。
[0017]可选地，所述装置用于通过如下方式将所述样本中间层特征信息输入所述目标数据分类模块，确定第三约束损失：将所述样本中间层特征信息输入所述目标数据分类模块，在梯度反向训练层中确定所述第三约束损失，其中，所述梯度反向训练层在进行前向传播时，输入与输出相同，在进行梯度更新时，将梯度的负数传播至所述初始识别模块，并确定所述第三约束损失。
[0018]根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述对象
识别方法。
[0019]根据本申请实施例的又一方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上对象识别方法。
[0020]根据本申请实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的对象识别方法。
[0021]在本申请实施例中，采用获取待识别的图片，其中，待识别的图片是与目标场景关联本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种对象识别方法，其特征在于，包括：获取待识别的图片，其中，所述待识别的图片是与目标场景关联的图片；将所述待识别的图片输入目标识别模块，得到目标识别结果，其中，所述目标识别结果表示在所述目标场景下是否识别到目标对象以及在识别到所述目标对象的情况下，所述目标对象在所述待识别的图片中的位置，所述目标识别模块是使用样本图片和样本标签对预训练的初始识别模块和预训练的目标数据分类模块进行联合训练得到的识别模块，所述初始识别模块用于确定所述目标对象在所述样本图片中的位置，所述目标数据分类模块用于在所述联合训练的过程中，确定所述样本图片的图片类别，并将梯度反向传播至所述初始识别模块，以减少所述初始识别模块提取的用于区分所述图片类别的特征信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下方式训练初始数据分类模块，得到所述目标数据分类模块：获取所述样本图片和对应的所述样本标签，其中，所述样本图片包括标注了真实标签的真实样本图片和标注了生成标签的生成样本图片；将所述样本图片输入所述初始识别模块，得到中间层特征信息；将所述中间层特征信息输入初始数据分类模块，对所述中间层特征信息进行分类操作，得到初始分类结果，其中，所述初始分类结果用于确定所述样本图片的图片类别；根据所述初始分类结果与所述样本标签计算第一损失值；根据所述第一损失值基于梯度下降的方式优化所述初始数据分类模块，直到训练结果满足第一损失条件，得到所述目标数据分类模块。3.根据权利要求2所述的方法，其特征在于，所述在所述第一损失值满足第一损失条件的情况下，将所述初始数据分类模块确定为所述目标数据分类模块之后，所述方法还包括：通过如下方式联合训练所述初始识别模块，得到所述目标识别模块：将所述中间层特征信息输入所述目标数据分类模块，得到目标分类结果，其中，所述目标分类结果用于确定所述中间层特征信息对应的图片类别；根据所述目标数据分类模块所产生的梯度信息反向更新所述初始识别模块，以调整所述初始识别模块的模块参数，减少所述初始识别模块提取的特征信息；获取所述初始识别模块输出的初始识别结果，并根据所述初始识别结果计算第二损失值；在所述第二损失值满足第二损失条件的情况下，将所述初始识别模块确定为所述目标识别模块；在所述第二损失值未满足所述第二损失条件的情况下，对所述初始识别模块的参数进行调整。4.根据权利要求2所述的方法，其特征在于，所述获取所述初始识别模块输出的初始识别结果，并根据所述初始识别结果计算第二损失值，包括：在将所述生成样本图片和所述真实样本图片分别输入所述初始识别模块的情况下，得到样本中间层特征信息；根据所述样本中间层特征信息确定第一约束损失和第二约束损失，其中，所述第一约束损失与所述生成样本图片对应，...
【专利技术属性】
技术研发人员：许剑清，
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。