【技术实现步骤摘要】
本申请涉及计算机领域，具体而言，涉及一种图像识别方法和装置、存储介质及电子设备。
技术介绍
1、在一些计算视觉任务中，通常需要对图像进行识别以确定出图像中所呈现的目标对象中关键点所在位置，进而对目标对象中关键点所在位置进行进一步分析后，以便于基于该分析的结果完成上述视觉任务。
2、针对图像中关键点的识别定位，目前相关技术中通常采用的方式是，通过利用提前手工设计的深度卷积网络特征提取器来提取图像特征，再通过这些图像特征来识别出图像中所呈现的对象的关键点。
3、然而，上述相关技术提供的方式中深度卷积网络中涉及的参数数量多且计算复杂度较高，因而往往需要投入大量的时间来进行训练。也就是说，在利用上述深度卷积网络进行图像识别的过程将耗费大量的时间，从而导致图像识别的效率较低的技术问题。
4、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
1、本申请实施例提供了一种图像识别方法和装置、存储介质及电子设备，以至少解决图像识别效率较低的技术问题。
2、根据本申请实施例的一个方面，提供了一种图像识别方法，包括：从待识别的目标图像中提取出目标图像特征，其中，在目标图像中显示有目标对象；通过特征处理网络对目标图像特征和随机初始化得到的参考关键点特征进行特征处理，得到目标对象的目标关键点特征，其中，目标关键点特征用于指示从目标图像中所显示的目标对象上识别出的关键点的特征，特征处理网络是基于初始化的特征处理网络，对每个样本图像进行n次循环特征处理得
3、根据本申请实施例的一个方面，提供了一种图像识别的预处理方法，包括：获取m个样本图像及初始化的特征处理网络，并通过以下步骤训练：从获取到的第k个样本图像中提取出原始样本图像特征，并获取随机初始化得到的原始参考样本关键点特征，其中，k为大于或等于1且小于或等于m的正整数，m为正整数；对原始样本图像特征与原始参考样本关键点特征重复执行以下操作，直至达到n次循环特征处理：在执行第i次循环特征处理的第i特征处理网络中，对第i-1次循环特征处理所得到的第i-1样本特征对执行特征处理，得到第i样本特征对，其中，在i为1的情况下，第i-1次循环特征处理所得到的第i-1样本特征对用于指示原始样本特征对，原始样本特征对中包括原始样本图像特征与原始参考样本关键点特征；基于第i-1样本特征对与第i样本特征对之间的特征差异，确定第i-1样本特征对与第i样本特征对之间的样本特征距离；对前i个样本特征距离进行加权求和计算，得到第i个特征训练损失；在基于前i次循环特征处理后得到的全部样本特征距离确定出的特征训练损失尚未达到阈值条件的情况下，调整第i特征处理网络中的网络参数，得到第i+1特征处理网络；在第i+1特征处理网络中执行第i+1次循环特征处理；在基于前i次循环特征处理后得到的全部样本特征距离确定出的特征训练损失达到阈值条件的情况下，确定第i次循环特征处理为第n次循环特征处理。
4、根据本申请实施例的另一方面，还提供了一种图像识别装置，包括：提取单元，用于从待识别的目标图像中提取出目标图像特征，其中，在目标图像中显示有目标对象；特征处理单元，用于通过特征处理网络对目标图像特征和随机初始化得到的参考关键点特征进行特征处理，得到目标对象的目标关键点特征，其中，目标关键点特征用于指示从目标图像中所显示的目标对象上识别出的关键点的特征，特征处理网络是基于初始化的特征处理网络，对每个样本图像进行n次循环特征处理得到的，在执行第i次循环特征处理的第i特征处理网络中，对第i-1次循环特征处理所得到的第i-1样本特征对执行特征处理，得到第i样本特征对，并基于第i-1样本特征对与第i样本特征对之间的特征差异调整第i特征处理网络中的网络参数，直至达到收敛条件，i为大于或等于1且小于或等于n的正整数，n为正整数，第i样本特征对包括第i样本图像特征和第i参考样本关键点特征，第i样本图像特征是基于从样本图像中提取出的原始样本图像特征进行i次循环特征处理得到的，第i参考样本关键点特征是基于随机初始化得到的原始参考样本关键点特征进行i次循环特征处理得到的；确定单元，用于利用目标关键点特征确定出目标对象中关键点在目标图像中所在的目标位置。
5、可选地，在本实施例中，上述特征处理单元包括：输入模块，用于将获取到的特征处理网络中的第j-1个特征处理子网络输出的第j-1目标图像特征和第j-1参考关键点特征，输入特征处理网络中的第j个特征处理子网络，其中，特征处理网络中包括p个特征处理子网络，j大于1，且小于或等于p，p为正整数；特征处理模块，用于在第j个特征处理子网络中，对第j-1目标图像特征和第j-1参考关键点特征进行循环特征处理，得到第j目标图像特征和第j参考关键点特征；确定模块，用于在j等于p的情况下，将第j参考关键点特征确定为目标关键点特征；在j小于p的情况下，将获取到的第j目标图像特征和第j参考关键点特征，输入第j+1特征处理子网络执行第j+1次循环特征处理。
6、可选地，在本实施例中，上述特征处理模块还用于在第j个特征处理子网络中执行以下操作：在第j个特征处理子网络的第1个特征处理层中，对第j-1个特征处理子网络输出的目标图像子特征进行线性变换处理，得到第1个目标图像子特征；对第j-1个特征处理子网络输出的参考关键点子特征进行线性变换处理，得到第1个参考关键点子特征；在第j个特征处理子网络的第h个特征处理层中，将第j个特征处理子网络的第h-1个特征处理层输出的第h-1目标图像子特征和第h-1参考关键点子特征输入第j个特征处理子网络中的第h个特征处理层，其中，h为大于或等于2的正整数；在第h个特征处理层中，对第h-1目标图像子特征进行线性变换处理，得到第一处理结果，并将第一处理结果确定为第h个特征处理层输出的第h目标图像子特征；并对第h-1参考关键点子特征进行线性变换处理，得到第二处理结果；利用第一处理结果与第二处理结果，得到第h个特征处理层输出的第h参考关键点子特征；在第h个特征处理层是第j个特征处理子网络中的最后一个特征处理层的情况下，将第h目标图像子特征确定为第j个特征处理子网络所输出的第j目标图像特征，并将第h参考关键点子特征确定为第j个特征处理子网络所输出的第j参考关键点特征。
7、可选地，在本实施例中，上述装置还包括：第本文档来自技高网...
【技术保护点】
1.一种图像识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过特征处理网络对所述目标图像特征和随机初始化得到的参考关键点特征进行特征处理，得到所述目标对象的目标关键点特征包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述第j个特征处理子网络中，对所述第j-1目标图像特征和第j-1参考关键点特征进行特征处理，得到第j目标图像特征和第j参考关键点特征包括：
4.根据权利要求1所述的方法，其特征在于，在所述从待识别的目标图像中提取出目标图像特征之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第i-1样本特征对与所述第i样本特征对之间的特征差异，确定所述第i-1样本特征对与所述第i样本特征对之间的样本特征距离包括：
6.根据权利要求5所述的方法，其特征在于，所述对前i个样本特征距离进行加权求和计算，得到第i个特征训练损失包括：
7.根据权利要求4所述的方法，其特征在于，在所述在执行第i次循环特征处理的第i特征处理网络中，对第i-1次循环特征处理所得到的第i
8.一种图像识别装置，其特征在于，包括：
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序被处理器运行时执行所述权利要求1至7任一项中所述的方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过特征处理网络对所述目标图像特征和随机初始化得到的参考关键点特征进行特征处理，得到所述目标对象的目标关键点特征包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述第j个特征处理子网络中，对所述第j-1目标图像特征和第j-1参考关键点特征进行特征处理，得到第j目标图像特征和第j参考关键点特征包括：
4.根据权利要求1所述的方法，其特征在于，在所述从待识别的目标图像中提取出目标图像特征之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第i-1样本特征对与所述第i样本特征对之间的特征差异，确定所述第i-1样本特征对与所述第i样本特征对之间的样本特征距离包括：
6.根据权利要求5所述的方法，其特征在于，所述对前i个样本特...
【专利技术属性】
技术研发人员：陈思辰，张映艺，黄思铭，张睿欣，丁守鸿，
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。