【技术实现步骤摘要】
本专利技术图像识别，具体涉及一种图像识别方法、装置、设备及存储介质。
技术介绍
1、图像识别技术是当前人工智能领域的研究和应用热点。在图像识别技术中，用户建立一个初始图像识别网络，然后通过标注好的数据集不断训练该初始图像识别网络，使该初始图像识别网络对图像的分类结果越来越接近标注好的数据结果，从而得到对应的图像识别网络。在图像识别网络中，通常一个识别任务作为一个模型进行图像识别，这样，在需要进行多属性识别时，则需要对单独的属性设计网络以及准备单独的训练数据，从而导致模型数据量多，参数计算时间长、计算开销大以及训练过程麻烦。即：现有的图像识别技术中，由于多属性识别通过多个识别网络进行，使得多属性识别需要对应训练多个识别网络，进而多个训练数据集，图像识别效率较低。
2、且特别在人脸识别任务中，不同光照对人脸识别的识别结果影响较大，现有技术中采集人脸的光照不变特征、实施光照模式标准化等技术手段进行光照预处理，以减轻不同光照模式对人脸识别的影响，但其仍无法消除光照模式对识别结果的影响，进而导致识别准确率较低。
3、亟须提供一种图像识别方法、装置、设备及存储介质，解决上述技术问题。
技术实现思路
1、有鉴于此，有必要提供一种图像识别方法、装置、设备及存储介质，用以解决现有技术中存在的图像识别效率和准确率较低的技术问题。
2、一方面，本专利技术提供了一种图像识别方法，用于基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果；所述目标图像识别模型包
3、所述图像识别方法包括：
4、基于所述光照识别模块对所述待识别图像进行识别，获得光照模式；
5、基于所述共享特征提取模块对所述待识别图像进行共享特征提取，获得图像共享特征；
6、基于所述光照模式确定所述多个任务识别子模块中的目标任务子模块；
7、基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识别结果。
8、在一些可能的实现方式中，所述至少一个任务识别模块包括人脸识别模块、物体检测模块以及场景分类模块。
9、在一些可能的实现方式中，在所述基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果之前，还包括：
10、获取多任务样本集；所述多任务样本集包括人脸样本集、物体样本集和场景样本集；所述人脸样本集包括人样数据、人脸标签和光照标签，所述物体样本集包括物体数据、物体标签和所述光照标签，所述场景样本集包括场景数据、场景标签和光照标签；
11、基于所述多任务样本集对初始图像识别模型进行训练，获得训练完备的所述目标图像识别模型。
12、在一些可能的实现方式中，所述共享特征提取模块包括第一卷积层、第一池化层、第二卷积层、第三卷积层、第二池化层、第四卷积层、第五卷积层以及第三池化层；所述基于所述共享特征提取模块对所述待识别图像进行共享特征提取，获得图像共享特征，包括：
13、基于所述第一卷积层和所述第一池化层对所述待识别图像进行第一尺度特征提取，获得第一特征图；
14、基于所述第二卷积层、所述第三卷积层以及所述第二池化层对所述第一特征图进行第二尺度特征提取，获得第二特征图；
15、基于所述第四卷积层、所述第五卷积层以及所述第三池化层对所述第二特征图进行第三尺度特征提取，获得所述图像共享特征。
16、在一些可能的实现方式中，所述人脸识别模块包括下卷积单元、上卷积单元、调整层以及人脸全连接层；所述基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识别结果，包括：
17、基于所述下卷积单元对所述图像共享特征进行下采样特征提取，获得下采样特征；
18、基于所述上卷积单元对所述下采样特征进行上采样特征提取，获得上采样特征；
19、基于所述调整层以所述上采样特征为依据调整所述下采样特征，获得调整特征；
20、基于所述人脸全连接层对所述调整特征进行有监督学习，获得人脸识别结果。
21、在一些可能的实现方式中，所述下卷积单元包括第一下卷积层、第二下卷积层以及第三下卷积层，所述上卷积单元包括第一上卷积层、第二上卷积层以及第三上卷积层。
22、在一些可能的实现方式中，所述物体检测模块和所述场景分类模块均包括第一全连接层、第二全连接层以及激活函数层；所述基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识别结果，包括：
23、基于所述第一全连接层和所述第二全连接层对所述图像共享特征进行分类处理，获得物体检测结果和场景分类结果；
24、基于所述激活函数层对所述物体检测结果和场景分类结果进行激活处理，获得所述物体检测结果的物体预测概率以及所述场景分类结果的分类预测概率。
25、另一方面，本专利技术还提供了一种图像识别装置，用于基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果；所述目标图像识别模型包括光照识别模块、共享特征提取模块以及至少一个任务识别模块，各所述任务识别模块包括不同光照模式下的多个任务识别子模块；
26、所述图像识别装置包括：
27、光照识别单元，用于基于所述光照识别模块对所述待识别图像进行识别，获得光照模式；
28、共享特征提取单元，用于基于所述共享特征提取模块对所述待识别图像进行共享特征提取，获得图像共享特征；
29、目标任务子模块确定单元，用于基于所述光照模式确定所述多个任务识别子模块中的目标任务子模块；
30、多任务识别单元，用于基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识别结果。
31、另一方面，本专利技术还提供了一种图像识别设备，包括存储器和处理器，其中，
32、所述存储器，用于存储程序；
33、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意一种可能的实现方式中所述的图像识别方法中的步骤。
34、另一方面，本专利技术还提供了一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时以实现上述任意一种可能的实现方式中所述的图像识别方法中的步骤。
35、采用上述实施例的有益效果是：本专利技术提供的图像识别方法，通过共享特征提取模块对待识别图像进行共享特征提取，可以节省各目标任务子模型分别进行共享特征提取所需要的时间与计算开销，加快了图像识别算法对待识别图像的识别效率，并且，减轻了各目标任务子模型的数据标注量，使数据集的准备工作也变得简单，在人工以及硬件方面的投入更少，进一步提高了图像识别的识别效率。
36、进一步地，通过共享特征提取模块进行待识别图像的图像共享特征的抽取，能够挖掘不同属性任务识别之间隐藏的公共信息以及特征之间本文档来自技高网...
【技术保护点】
1.一种图像识别方法，其特征在于，用于基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果；所述目标图像识别模型包括光照识别模块、共享特征提取模块以及至少一个任务识别模块，各所述任务识别模块包括不同光照模式下的多个任务识别子模块；
2.根据权利要求1所述的图像识别方法，其特征在于，所述至少一个任务识别模块包括人脸识别模块、物体检测模块以及场景分类模块。
3.根据权利要求2所述的图像识别方法，其特征在于，在所述基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果之前，还包括：
4.根据权利要求1所述的图像识别方法，其特征在于，所述共享特征提取模块包括第一卷积层、第一池化层、第二卷积层、第三卷积层、第二池化层、第四卷积层、第五卷积层以及第三池化层；所述基于所述共享特征提取模块对所述待识别图像进行共享特征提取，获得图像共享特征，包括：
5.根据权利要求2所述的图像识别方法，其特征在于，所述人脸识别模块包括下卷积单元、上卷积单元、调整层以及人脸全连接层；所述基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识
6.根据权利要求5所述的图像识别方法，其特征在于，所述下卷积单元包括第一下卷积层、第二下卷积层以及第三下卷积层，所述上卷积单元包括第一上卷积层、第二上卷积层以及第三上卷积层。
7.根据权利要求2所述的图像识别方法，其特征在于，所述物体检测模块和所述场景分类模块均包括第一全连接层、第二全连接层以及激活函数层；所述基于所述目标任务子模块对所述图像共享特征进行识别，获得任务识别结果，包括：
8.一种图像识别装置，其特征在于，用于基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果；所述目标图像识别模型包括光照识别模块、共享特征提取模块以及至少一个任务识别模块，各所述任务识别模块包括不同光照模式下的多个任务识别子模块；
9.一种图像识别设备，其特征在于，包括存储器和处理器，其中，
10.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述权利要求1-7中任一项所述的图像识别方法的步骤。
...【技术特征摘要】
1.一种图像识别方法，其特征在于，用于基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果；所述目标图像识别模型包括光照识别模块、共享特征提取模块以及至少一个任务识别模块，各所述任务识别模块包括不同光照模式下的多个任务识别子模块；
2.根据权利要求1所述的图像识别方法，其特征在于，所述至少一个任务识别模块包括人脸识别模块、物体检测模块以及场景分类模块。
3.根据权利要求2所述的图像识别方法，其特征在于，在所述基于训练完备的目标图像识别模型对待识别图像进行识别，获得识别结果之前，还包括：
4.根据权利要求1所述的图像识别方法，其特征在于，所述共享特征提取模块包括第一卷积层、第一池化层、第二卷积层、第三卷积层、第二池化层、第四卷积层、第五卷积层以及第三池化层；所述基于所述共享特征提取模块对所述待识别图像进行共享特征提取，获得图像共享特征，包括：
5.根据权利要求2所述的图像识别方法，其特征在于，所述人脸识别模块包括下卷积单元、上卷积单元、调整层以及人脸全连接层；所述基于所述目标任务子模块对所述图...
【专利技术属性】
技术研发人员：华仙军，吴远鹏，卢锋，高山，位明念，
申请(专利权)人：湖北君信达科技股份有限公司，
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。