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CN111178162A(43)申请公布日2020.05.19(21)申请号201911272224.7(22)申请日2019.12.12(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人李亮亮(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人任少瑞(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书12页附图7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)摘要本发明涉及一种图像识别方法、装置、计算机设备和存储介质。该方法通过通过对底库图像进行特征提取，得到底库图像的特征值，同时将底库图像输入至预设的图像识别网络，得到输出阈值，再根据输出阈值和预设阈值，得到适配阈值，最后将待识别图像的特征值和底库图像的特征值之间的相似度，与适配阈值进行比较，得到比较结果，并根据比较结果，确定待识别图像与底库图像是否属于同一目标。在上述方法中，计算机设备通过对底库图像的特征值的分析，可以得到与底库图像的类型匹配的阈值，实现了在图像识别过程中，在对每张底库图像和待识别图像进行比较识别时，动态调整每张底库图像对应的阈值的方法，极大的提高了图像识别的准确性。CN111178162ACN111178162A权利要求书1/2页1.一种图像识别方法，其特征在于，所述方法包括：对底库图像进行特征提取，得到所述底库图像的特征值；将待识别图像进行特征提取，得到所述待识别图像的特征值；将所述底库图像输入至预设的图像识别网络，得到输出阈值；所述图像识别网络包括特征提取网络和与所述特征提取网络输出端连接的阈值适配网络，所述阈值适配网络用于根据所述底库图像的特征值得到所述输出阈值；根据所述输出阈值和预设阈值，得到适配阈值；所述适配阈值与所述底库图像对应；将所述待识别图像的特征值和所述底库图像的特征值之间的相似度，与所述适配阈值进行比较，得到比较结果；根据所述比较结果，确定所述待识别图像与所述底库图像是否属于同一目标。2.根据权利要求1所述的方法，其特征在于，所述根据所述输出阈值和预设阈值，得到适配阈值，包括：根据所述输出阈值，得到所述预设阈值的修正值；使用所述修正值修正所述预设阈值，得到所述适配阈值。3.根据权利要求1所述的方法，其特征在于，所述阈值适配网络为全连接层。4.根据权利要求1所述的方法，其特征在于，待训练的所述图像识别网络包括待训练的特征提取网络和待训练的阈值适配网络，训练所述图像识别网络的方法，包括：将样本图像输入至所述待训练的特征提取网络，得到所述样本图像的样本特征；将所述样本特征输入至所述待训练的阈值适配网络，得到训练阈值；根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失；根据所述目标训练损失，更新所述待训练的特征提取网络和所述待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至所述目标训练损失收敛。5.根据权利要求1所述的方法，其特征在于，待训练的所述图像识别网络包括所述特征提取网络和待训练的阈值适配网络，训练所述图像识别网络的方法，包括：将样本图像输入至所述特征提取网络，得到所述样本图像的样本特征；将所述样本特征输入至所述待训练的阈值适配网络，得到训练阈值；根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失；根据所述目标训练损失，更新所述待训练的阈值适配网络的参数，之后重新进行目标训练损失的计算，直至所述目标训练损失收敛。6.根据权利要求5所述的方法，其特征在于，所述根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失，包括：将所述样本特征输入至预设的softmax层，并根据所述softmax层输出的结果和所述样本标签，得到训练损失；根据所述训练阈值和所述训练损失，得到所述目标训练损失。7.根据权利要求4或5所述的方法，其特征在于，所述根据所述训练阈值、所述样本特征、所述样本图像对应的样本标签，确定目标训练损失，包括：将所述样本特征输入至预设的softmax层，并按照预设的修正方法，根据所述样本标签2CN111178162A权利要求书2/2页和所述训练阈值，对所述softmax层输出的结果进行修正，得到修正结果；根据所述修正结果、所述样本标签、所述训练阈值，确定所述目标训练损失。8.根据权利要求1所述的方法，其特征在于，所述根据所述比较结果，确定所述待识别图像与所述底库图像是否属于同一目标，包括：若所述比较结果为所述待识别图像的特征值与所述底库图像的特征值之间的相似度小于或等于所述适配阈值