【技术实现步骤摘要】
本说明书涉及风险防控领域，尤其涉及一种图像识别模型的训练方法、目标检测的方法以及装置。
技术介绍
1、近年来，随着计算机技术以及人工智能技术的发展，用户的收付款码可以有效的反映用户的个人信息，以使用户完成收付款，为用户提供了便利。
2、但是，目前也存在有部分用户伪造收付款码来盈利的情况，因此，对用户的收付款码进行风险识别，逐渐成为一个严峻的问题。
3、目前，在对用户的收付款码进行风险识别的过程中，需要先从用户上传的图片中准确的识别出收付款码，然后再通过识别出的收付款码的图像，来对用户提供的收付款码进行进一步地风险识别。然而，目前从用户上传的图片中识别收付款码时准确率往往较低，从而也影响了后续风险识别的准确率。
4、因此，如何提高对收付款码识别的准确率，则是一个亟待解决的问题。
技术实现思路
1、本说明书提供一种图像识别模型的训练方法、目标检测的方法以及装置，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种图像识别模型的训练方法，所述图像识别模型中包含有目标检测网络、语义分割网络以及重构网络，包括：
4、获取样本图像，所述样本图像为包含有目标对象的图像；
5、将所述样本图像进行遮盖，得到所述样本图像对应的遮盖后图像，以及对所述样本图像进行边缘检测，得到标注出所述样本图像中包含的至少部分对象的边缘检测图像；
6、将所述样本图像、所述遮盖后图像以及所
7、以最小化所述重构后图像与所述样本图像之间的偏差、最小化所述检测结果与所述样本图像对应的实际检测结果之间的偏差以及最小化所述语义分割结果与所述样本图像对应的实际语义分割结果之间的偏差为优化目标，对所述图像识别模型进行训练。
8、可选地，将所述样本图像进行遮盖，得到所述样本图像对应的遮盖后图像，具体包括：
9、将所述样本图像进行均匀划分，得到各图像块；
10、按照所述各图像块在所述样本图像中的排列顺序，对所述各图像块中的部分图像块进行均匀遮盖，得到所述遮盖后图像。
11、可选地，通过所述语义分割网络，对所述样本图像进行语义分割，得到针对所述目标对象的语义分割结果，具体包括：
12、通过所述图像识别模型的特征提取网络，从所述样本图像中提取出图像特征；
13、对所述图像特征进行上采样，得到与所述样本图像尺寸相同的图像特征，作为采样后特征；
14、将所述采样后特征输入到所述语义分割网络中，以通过所述语义分割网络，对所述样本图像进行语义分割，得到针对所述目标对象的语义分割结果。
15、可选地，通过所述重构网络，对所述遮盖后图像进行重构，得到针对所述样本图像的重构后图像，具体包括：
16、将所述遮盖后图像、所述边缘检测图像以及语义分割图像进行拼接，以得到拼接后图像，所述语义分割图像是通过所述语义分割结果确定出的；
17、将所述拼接后图像输入所述重构网络，以使所述重构网络对所述遮盖后图像进行重构，得到针对所述样本图像的重构后图像。
18、可选地，所述图像识别模型中还包含有权重网络层；
19、在以最小化所述重构后图像与所述样本图像之间的偏差、最小化所述检测结果与所述样本图像对应的实际检测结果之间的偏差以及最小化所述语义分割结果与所述样本图像对应的实际语义分割结果之间的偏差为优化目标，对所述图像识别模型进行训练之前，所述方法还包括：
20、将所述遮盖后图像输入到所述权重网络层中，以确定出第一权重，将所述边缘检测图像输入到所述权重网络层中，以确定第二权重，以及将语义分割图像输入到所述权重网络层中，以确定第三权重，所述语义分割图像是通过所述语义分割结果确定出的；
21、以最小化所述重构后图像与所述样本图像之间的偏差、最小化所述检测结果与所述样本图像对应的实际检测结果之间的偏差以及最小化所述语义分割结果与所述样本图像对应的实际语义分割结果之间的偏差为优化目标，对所述图像识别模型进行训练，具体包括：
22、根据所述重构后图像与所述样本图像之间的偏差，确定第一损失，根据所述检测结果与所述样本图像对应的实际检测结果之间的偏差，确定第二损失，以及根据所述语义分割结果与所述样本图像对应的实际语义分割结果之间的偏差，确定第三损失；
23、根据所述第一损失和所述第一损失对应的第一权重，所述第二损失和所述第二损失对应的第二权重，以及所述第三损失和所述第三损失对应的第三权重，确定总损失值；
24、以最小化所述总损失值为优化目标，对所述图像识别模型进行训练。
25、可选地，将所述语义分割图像输入到所述权重网络层中，以确定第三权重，具体包括：
26、确定所述语义分割图像中包含的每个像素属于各类别的概率；
27、根据所述概率，确定所述语义分割图像对应的置信度，其中，若当前训练轮次越小，所述置信度越低；
28、将所述语义分割图像输入到所述权重网络层中，确定第三基础权重；
29、根据所述置信度，对所述第三基础权重进行调整，得到第三权重。
30、本说明书提供了一种目标检测的方法，包括：
31、获取待检测图像；
32、将所述待检测图像输入到预先训练的图像识别模型中，以通过所述图像识别模型中的目标检测网络，得到针对所述待检测图像的检测结果，所述图像识别模型中的所述目标检测网络是通过上述图像识别模型的训练方法训练得到的；
33、根据所述检测结果，对所述待检测图像中包含的指定对象进行识别。
34、可选地，所述指定对象包括：用户的收付款码。
35、本说明书提供了一种图像识别模型的训练装置，所述图像识别模型中包含有目标检测网络、语义分割网络以及重构网络，包括：
36、获取模块：用于获取样本图像，所述样本图像为包含有目标对象的图像；
37、遮盖模块：用于将所述样本图像进行遮盖，得到所述样本图像对应的遮盖后图像，以及对所述样本图像进行边缘检测，得到标注出所述样本图像中包含的至少部分对象的边缘检测图像；
38、输入模块：用于将所述样本图像、所述遮盖后图像以及所述边缘检测图像输入到待训练的图像识别模型中，以使所述图像识别模型通过所述目标检测网络，对所述样本图像中包含的所述目标对象进行目标检测，得到检测结果，通过所述语义分割网络，对所述样本图像进行语义分割，得到针对所述目标对象的语义分割结果，以及通过所述重构网络，对本文档来自技高网...
【技术保护点】
1.一种图像识别模型的训练方法，所述图像识别模型中包含有目标检测网络、语义分割网络以及重构网络，包括：
2.如权利要求1所述的方法，将所述样本图像进行遮盖，得到所述样本图像对应的遮盖后图像，具体包括：
3.如权利要求1所述的方法，通过所述语义分割网络，对所述样本图像进行语义分割，得到针对所述目标对象的语义分割结果，具体包括：
4.如权利要求1所述的方法，通过所述重构网络，对所述遮盖后图像进行重构，得到针对所述样本图像的重构后图像，具体包括：
5.如权利要求1所述的方法，所述图像识别模型中还包含有权重网络层；
6.如权利要求5所述的方法，将所述语义分割图像输入到所述权重网络层中，以确定第三权重，具体包括：
7.一种目标检测的方法，包括：
8.如权利要求7所述的方法，所述指定对象包括：用户的收付款码。
9.一种图像识别模型的训练装置，所述图像识别模型中包含有目标检测网络、语义分割网络以及重构网络，包括：
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1～8任一项所述的方法。
...【技术特征摘要】
1.一种图像识别模型的训练方法，所述图像识别模型中包含有目标检测网络、语义分割网络以及重构网络，包括：
2.如权利要求1所述的方法，将所述样本图像进行遮盖，得到所述样本图像对应的遮盖后图像，具体包括：
3.如权利要求1所述的方法，通过所述语义分割网络，对所述样本图像进行语义分割，得到针对所述目标对象的语义分割结果，具体包括：
4.如权利要求1所述的方法，通过所述重构网络，对所述遮盖后图像进行重构，得到针对所述样本图像的重构后图像，具体包括：
5.如权利要求1所述的方法，所述图像识别模型中还包含有权重网络层；
6.如权利要求5所述的方法，将所...
【专利技术属性】
技术研发人员：彭凤超，刘健，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。