图像识别方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113780514A(43)申请公布日2021.12.10(21)申请号202011219694.X(22)申请日2020.11.04(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人李晓敏黄明星李银锋赖晨东(74)专利代理机构中科专利商标代理有限责任公司11021代理人孙蕾(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书19页附图8页(54)发明名称图像识别方法、装置、电子设备及存储介质(57)摘要本公开实施例提供了一种图像识别方法、装置、电子设备及存储介质。该方法包括：获取待识别图像；以及，利用目标标识识别模型处理待识别图像，得到用于表征待识别图像是否包括目标标识的识别结果，其中，目标标识识别模型是将多个样本图像组中的正样本和负样本交替输入到卷积神经网络模型中，对卷积神经网络模型进行训练得到的，其中，每个样本图像组包括一个正样本和一个负样本，每个样本图像组中的正样本为在原始图像上设置第一标识得到的图像，每个样本图像组中的负样本为原始图像或在原始图像上设置第二标识得到的图像，其中，第一标识和第二标识具有关联关系。CN113780514ACN113780514A权利要求书1/2页1.一种图像识别方法，包括：获取待识别图像；以及利用目标标识识别模型处理所述待识别图像，得到用于表征所述待识别图像是否包括目标标识的识别结果，其中，所述目标标识识别模型是将多个样本图像组中的正样本和负样本交替输入到卷积神经网络模型中，对所述卷积神经网络模型进行训练得到的，其中，每个所述样本图像组包括一个正样本和一个负样本，每个所述样本图像组中的所述正样本为在原始图像上设置第一标识得到的图像，每个所述样本图像组中的所述负样本为所述原始图像或在所述原始图像上设置第二标识得到的图像，其中，所述第一标识和所述第二标识具有关联关系。2.根据权利要求1所述的方法，其中，每个所述样本图像组具有对应的原始图像；通过如下方式获取与每个所述样本图像组对应的原始图像：获取多个类目中与每个所述类目对应的至少一个原始图像，其中，不同所述类目下的原始图像的数量满足预设条件。3.根据权利要求1所述的方法，其中，所述第一标识和所述第二标识具有关联关系，包括：所述第一标识与所述第二标识的相似度大于或等于相似度阈值且所述第一标识和所述第二标识为不同的标识；或所述第二标识为覆盖所述第一标识的部分后得到的标识。4.根据权利要求1所述的方法，其中，所述目标标识识别模型是将多个样本图像组中的正样本和负样本交替输入到卷积神经网络模型中，对所述卷积神经网络模型进行训练得到的，包括：获取多个所述样本图像组，其中，每个所述样本图像组包括一个正样本和一个负样本，每个所述样本图像组中的所述正样本和所述负样本具有关联关系；获取每个所述正样本的真实标注信息和每个所述负样本的真实标注信息；将多个所述样本图像组中的所述正样本和所述负样本交替输入到所述卷积神经网络模型，分别输出每个所述正样本的预测标注信息和每个所述负样本的预测标注信息；以及根据多个所述正样本的真实标注信息、多个所述负样本的真实标注信息、多个所述正样本的预测标注信息和多个所述负样本的预测标注信息训练所述卷积神经网络模型，得到所述目标标识识别模型。5.根据权利要求4所述的方法，其中，所述获取每个所述正样本的真实标注信息和每个所述负样本的真实标注信息，包括：获取每个所述正样本的初始标注信息和每个所述负样本的初始标注信息；以及对每个所述样本图像组中的所述所述正样本的初始标注信息和所述负样本的初始标注信息进行标签平滑处理，得到每个所述样本图像组中的所述正样本的真实标注信息和所述负样本的真实标注信息。6.根据权利要求4所述的方法，其中，所述根据多个所述正样本的真实标注信息、多个所述负样本的真实标注信息、多个所述正样本的预测标注信息和多个所述负样本的预测标注信息训练所述卷积神经网络模型，得到所述目标标识识别模型，包括：根据多个所述正样本的真实标注信息、多个所述负样本的真实标注信息、多个所述正2CN113780514A权利要求书2/2页样本的预测标注信息和多个所述负样本的预测标注信息，确定错误标注信息；确定与所述错误标注信息对应的样本图像；根据与所述错误标注信息对应的样本图像，确定新的负样本和与所述新的负样本对应的新的正样本；获取所述新的正样本的真实标注信息和所述新的负样本的真实标注信息；将所述新的正样本和所述新的负样本交替输入到所述卷积神经网络模型，分别输出所述新的正样本的预测标注信息和所述新的负样本的预测标