图像识别方法、装置、计算机设备和存储介质.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CN113705596A(43)申请公布日2021.11.26(21)申请号202110240341.6(22)申请日2021.03.04(71)申请人腾讯科技（北京）有限公司地址100080北京市海淀区海淀大街38号银科大厦16层1601-1608室(72)发明人郭卉(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人陈小娜刘雪帆(51)Int.Cl.G06K9/62(2006.01)G06N20/00(2019.01)权利要求书3页说明书25页附图6页(54)发明名称图像识别方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取目标正样本图像；获取目标正样本图像对应的正样本类别的混淆类别集合；其中混淆类别集合是通过图像集合的类别识别数据对类别集合进行混淆分类得到的；将混淆类别集合中的混淆类别作为负样本类别，获取负样本类别对应的目标负样本图像；基于目标正样本图像以及目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型，以基于训练后的图像识别模型进行图像识别。上述方案模型训练过程能充分分析同一混淆类别集合中的正样本图像和负样本图像之间的区别，能够得到对类别易混淆的图像进行准确识别的图像识别模型，提高了图像识别的准确性。CN113705596ACN113705596A权利要求书1/3页1.一种图像识别方法，其特征在于，所述方法包括：获取目标正样本图像；根据所述目标正样本图像对应的正样本类别，获取所述正样本类别对应的混淆类别集合；其中所述混淆类别集合是通过对图像集合进行类别识别，基于类别识别数据对所述图像集合所对应的类别集合进行混淆分类得到的；将所述混淆类别集合中的混淆类别作为负样本类别，将所述负样本类别对应的图像作为所述目标正样本图像对应的目标负样本图像；基于所述目标正样本图像以及所述目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型，以基于所述训练后的图像识别模型进行图像识别。2.根据权利要求1所述的方法，其特征在于，得到所述混淆类别集合的步骤包括：获取目标图像集合；所述目标图像集合包括至少两个目标图像，各个所述目标图像对应的目标类别形成类别集合；对所述目标图像集合中的各个目标图像进行图像识别，得到各个所述目标图像对应的类别识别数据；基于所述类别识别数据确定所述目标类别之间的类别混淆度；基于所述类别混淆度对所述类别集合中的目标类别进行混淆分类，得到混淆类别集合。3.根据权利要求2所述的方法，其特征在于，所述类别识别数据包括对所述目标图像进行特征提取得到的图像提取特征；所述基于所述类别识别数据确定所述目标类别之间的类别混淆度，包括：基于所述图像提取特征得到所述目标类别之间的特征相似度；基于所述目标类别之间的特征相似度确定所述目标类别之间的类别混淆度。4.根据权利要求3所述的方法，其特征在于，所述基于所述图像提取特征得到所述目标类别之间的特征相似度包括：对不同所述目标类别对应的图像提取特征进行统计，得到各个所述目标类别分别对应的类别表示特征；基于所述目标类别分别对应的类别表示特征得到目标类别之间的特征相似度。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标类别分别对应的类别表示特征得到目标类别之间的特征相似度包括：获取当前目标图像对应的当前图像提取特征，所述当前目标图像属于第一目标类别；计算所述当前图像提取特征与各个第二目标类别对应的类别表示特征的特征相似度，将计算得到的特征相似度作为所述第一目标类别与所述第二目标类别之间的特征相似度。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标类别之间的特征相似度确定所述目标类别之间的类别混淆度包括：当所述第一目标类别与所述第二目标类别之间的特征相似度满足相似度条件时，增加所述第一目标类别与所述第二目标类别之间的类别混淆度；其中，所述相似度条件包括：特征相似度的排序在第一排序阈值之前或者特征相似度大于相似度阈值的至少一种。7.根据权利要求2所述的方法，其特征在于，所述类别识别数据包括对所述目标图像进2CN113705596A权利要求书2/3页行分类得到的第三目标类别；所述基于所述类别识别数据确定所述目标类别之间的类别混淆度，包括：将所述第三目标类别与所述目标图像对应的标准类别进行对比；所述标准类别为第四目标类别；当所述第三目标类别与所述目标图像对应的标准类别对比不一致时，增加所述第三目标类别与所述第四目标类别之间的类别混淆度。8.根据权利要求2所述的方法，其特征在于，所述基于所述类别混淆度对所述类别集合中的目标类别进行混淆分类，得到混淆类别集合，包括：将所述类别集合中类别混淆度满足混