【技术实现步骤摘要】
本申请涉及计算机，尤其涉及图像识别和模型训练方法及装置。
技术介绍
1、图像识别，是指识别图像所示内容的特征或类别等。为进行图像识别，常采用神经网络进行识别。然而利用神经网络进行识别时，依赖于神经网络的识别能力，也即训练神经网络所采用的训练数据。若该训练数据的场景不完整或者分布不均匀等，得到的神经网络将仅能识别某一场景下的图像。因此，在输入神经网络的数据与前述训练数据所属场景不同时，神经网络对该输入数据的识别效果将较差。因此，如何提高模型对图像的识别效果成为目前亟待解决的问题。
技术实现思路
1、本申请提供了图像识别和模型训练方法及装置，以解决在属于多种场景下的待处理数据输入模型时，由于训练模型所采用的训练数据场景单一，导致该模型对待处理数据的识别效果较差的问题。
2、第一方面，本申请提供了一种图像识别方法。该图像识别方法可应用于图像识别系统或应用于支持该图像识别系统实现图像识别方法的计算设备。该计算设备如服务器或终端等。该图像识别方法包括：获取待处理图像，调整该待处理图像中像...
【技术保护点】
1.一种图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调整所述待处理图像中像素点的像素值，得到预处理图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述待处理图像输入预处理模型，得到所述预处理图像，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述预处理模型包括第一子模型和第二子模型；
5.根据权利要求4所述的方法，其特征在于，所述第一子模型对应的损失函数为交叉熵损失函数；
6.一种图像识别的模型训练方法，其特征在于，所述方法包括：
...
【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述调整所述待处理图像中像素点的像素值，得到预处理图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述待处理图像输入预处理模型，得到所述预处理图像，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述预处理模型包括第一子模型和第二子模型；
5.根据权利要求4所述的方法，其特征在于，所述第一子模型对应的损失函数为交叉熵损失函数；
6.一种图像识别的模型训练方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，所述预处理模型包括第一子模型和第二子模型；
8.根据权利要求7所述的方法，其特征在于，所述第一子模型对应的损失函数为交叉熵损失函数；
9.一种图像识别装置，其特征在于，所述装置包括：
10.根据权利要求9所述的装置，其特征在于，所述调整模块，具体用于将所述待处理图像输入预处理模型，得到所述预处理图像；其中，所述预处理模型用于调整图像中像素点的像素值，所述预处理模型经过所述待处理图像所属领域的训练数据训练。
11.根据权利要求10所述的装置，其特征在于，所述调整模块，还具体用于将所述待处理图像输入所述预处理模型；并由所述预处理模型识别所述待处理图像所属的领域，采用与所述待处理图像所属的领域...
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。