【技术实现步骤摘要】
本申请涉及图像识别，特别是涉及一种图像识别方法、图像识别装置及计算机存储介质。
技术介绍
1、细粒度目标识别任务在现实生活中有着广泛的应用需求，例如生态保护中鸟类、鱼类、花草类的细粒度识别，农业场景下植物叶片生长情况的细粒度识别，交通场景下车型车系的细粒度识别，社区管理中不同种类狗的细粒度识别，以及无人售货场景下对商品的细粒度识别等。因此，对细粒度目标识别的研究有着较高的应用价值。
2、目前，细粒度目标识别的主要方法有：(1)基于强监督的定位-识别方法，标签信息往往会包括类别、区域定位框、部件、关键点等信息，准确度相对较好，但需要较高的标注成本，准确度和效率较差。(2)基于弱监督的定位-识别方法，一种方法是使用r-cnn先定位关注区域，再进行精细化分类，这类方法准确度较高，但会产生大量无关区域，影响算法的效率；另一种方法是通过注意力机制/聚类等方法构建定位子网络，实现判别性区域的发现，该类方法的准确度不高。
技术实现思路
1、为解决上述技术问题，本申请提出了一种图像识别方法、装...
【技术保护点】
1.一种图像识别方法，其特征在于，所述图像识别方法包括：
2.根据权利要求1所述的图像识别方法，其特征在于，所述图像识别方法，还包括：
3.根据权利要求2所述的图像识别方法，其特征在于，所述图像识别方法还包括：
4.根据权利要求2所述的图像识别方法，其特征在于，所述计算各训练样本对标签的匹配度权重，包括：
5.根据权利要求2所述的图像识别方法，其特征在于，所述确定第一路孪生网络的第一损失函数，包括：
6.根据权利要求2或5所述的图像识别方法，其特征在于，所述确定第二路孪生网络的第二损失函数，包括：
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。