图片识别模型的获取方法、装置、电子设备及存储介质制造方法及图纸

本公开公开了一种图片识别模型的获取方法、装置、电子设备及存储介质，方法包括：获取全局识别模型、局部识别模型以及待训练模型；将训练样本集的图片样本输入至全局识别模型和局部识别模型，得到参考全局识别结果和参考局部识别结果；将图片样本输入至待训练模型，由全局识别网络和局部识别网络基于特征提取网络提取从图片样本的多尺度图像特征得到全局识别结果和局部识别结果；通过全局识别结果和参考全局识别结果计算得到第一损失，通过局部识别结果和参考局部识别结果计算得到第二损失；以第一损失和第二损失的加权损失满足预设条件为目标，训练特征提取网络、全局识别网络和局部识别网络，得到图片识别模型。得到图片识别模型。得到图片识别模型。

【技术实现步骤摘要】
图片识别模型的获取方法、装置、电子设备及存储介质


[0001]本公开涉及图片识别
，具体涉及一种图片识别模型的获取方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网和无线通信技术的飞速发展，人们之间进行信息共享的方式越来越丰富。图片分享作为一种新兴的信息分享功能，可以实现用户通过图片(如照片或者拍摄的视频中的帧图片等)向他人展现自己生活的点点滴滴，提升用户分享信息的便捷性及趣味性。
[0003]目前，伴随着图片分享的迅速推广，人们传播的图片也越来越多，需要对每一图片的图片类型进行分类，以便于对图片的管理。但是，目前对于图片所属的图片类型的识别通常是由人工进行标注，工作强度大，从而导致图片识别的效率低下。可见，目前的图片识别过程中存在效率低的问题。

技术实现思路

[0004]本申请实施例的目的是提供一种图片识别模型的获取方法、装置、电子设备及存储介质，以解决目前的图片识别过程中存在效率低的问题。
[0005]本公开的技术方案如下：
[0006]根据本申请实施例的第一方面，提供一种图片识别模型的获取方法，包括：
[0007]获取全局识别模型、局部识别模型以及待训练模型，其中，所述待训练模型包括特征提取网络以及与所述特征提取网络连接的全局识别网络、局部识别网络，且所述全局识别模型和所述全局识别网络分别用于识别图片的全局图像是否异常，所述局部识别模型和所述局部识别网络分别用于识别图片的局部图像是否异常；
[0008]将训练样本集的图片样本输入至所述全局识别模型得到参考全局识别结果，将所述图片样本输入至所述局部识别模型得到参考局部识别结果；将所述图片样本输入至所述待训练模型，由所述特征提取网络提取所述图片样本的多尺度图像特征，并由所述全局识别网络基于所述多尺度图像特征得到全局识别结果，以及由所述局部识别网络基于所述多尺度图像特征得到局部识别结果；
[0009]通过所述全局识别结果和所述参考全局识别结果计算得到第一损失，以及，通过所述局部识别结果和所述参考局部识别结果计算得到第二损失；
[0010]以所述第一损失和所述第二损失的加权损失满足预设条件为目标，训练所述特征提取网络、所述全局识别网络和所述局部识别网络，得到图片识别模型，所述图片识别模型包括完成训练的特征提取网络、全局识别网络和局部识别网络。
[0011]在其中一个实施例中，所述参考全局识别结果、所述参考局部识别结果、所述全局识别结果和所述局部识别结果分别为所述全局识别模型、所述局部识别模型、所述全局识别网络以及所述局部识别网络在目标层的输出结果，所述目标层包括中间层和输出层中的至少一项。
[0012]在其中一个实施例中，所述图片样本标注有用于表示识别结果的识别标签，所述方法还包括：
[0013]获取所述识别标签；
[0014]所述通过所述参考全局识别结果和所述全局识别结果计算得到第一损失，以及，通过所述参考局部识别结果和所述局部识别结果计算得到第二损失，包括：
[0015]通过所述参考全局识别结果、所述全局识别结果和所述识别标签计算得到第一损失，以及，通过所述参考局部识别结果、所述局部识别结果和所述识别标签计算得到第二损失。
[0016]在其中一个实施例中，所述得到图片识别模型之后，所述方法还包括：
[0017]获取待识别图片；
[0018]将所述待识别图片输入至所述图片识别模型，通过所述特征提取网络提取所述待识别图片的多尺度特征；
[0019]将所述待识别图片的多尺度特征输入至所述全局识别网络得到第一识别结果，和/或，将所述待识别图片的多尺度特征输入至所述局部识别网络得到第二识别结果，其中，所述第一识别结果用于指示所述待识别图片的全局图像是否异常，所述第二识别结果用于指示所述待识别图片的局部图像的是否异常。
[0020]在其中一个实施例中，上述将训练样本集的图片样本输入至所述全局识别模型得到参考全局识别结果，将所述图片样本输入至所述局部识别模型得到参考局部识别结果之前，所述方法还包括：
[0021]获取第一样本集和第二样本集，其中，所述第一样本集包括标注的图片样本，所述第二样本集包括未标注的图片样本；
[0022]将所述第一样本集输入至第M
‑
1个识别模型中，训练得到第M个识别模型，其中，所述M为正整数；
[0023]将所述第二样本集中图片样本输入至所述第M个识别模型中，以对输入的图片样本进行标注，并将标注的图片样本加入至所述第一样本集中；
[0024]在所述M个识别模型不满足训练停止条件的情况下，将所述第M个识别模型作为所述第M
‑
1个识别模型，并重新执行将所述第一样本集输入至第M
‑
1个识别模型中；
[0025]在所述M个识别模型满足训练停止条件的情况下，将所述第一样本集作为所述训练样本集。
[0026]根据本申请实施例的第二方面，提供一种图片识别模型的获取装置，包括：
[0027]模型获取模块，被配置为获取全局识别模型、局部识别模型以及待训练模型，其中，所述待训练模型包括特征提取网络以及与所述特征提取网络连接的全局识别网络、局部识别网络，且所述全局识别模型和所述全局识别网络分别用于识别图片的全局图像是否异常，所述局部识别模型和所述局部识别网络分别用于识别图片的局部图像是否异常；
[0028]第一识别模块，被配置为将训练样本集的图片样本输入至所述全局识别模型得到参考全局识别结果，将所述图片样本输入至所述局部识别模型得到参考局部识别结果；将所述图片样本输入至所述待训练模型，由所述特征提取网络提取所述图片样本的多尺度图像特征，并由所述全局识别网络基于所述多尺度图像特征得到全局识别结果，以及由所述局部识别网络基于所述多尺度图像特征得到局部识别结果；
[0029]损失计算模块，被配置为通过所述全局识别结果和所述参考全局识别结果计算得到第一损失，以及，通过所述局部识别结果和所述参考局部识别结果计算得到第二损失；
[0030]第一训练模块，被配置为以所述第一损失和所述第二损失的加权损失满足预设条件为目标，训练所述特征提取网络、所述全局识别网络和所述局部识别网络，得到图片识别模型，所述图片识别模型包括完成训练的特征提取网络、全局识别网络和局部识别网络。
[0031]在其中一个实施例中，所述参考全局识别结果、所述参考局部识别结果、所述全局识别结果和所述局部识别结果分别为所述全局识别模型、所述局部识别模型、所述全局识别网络以及所述局部识别网络在目标层的输出结果，所述目标层包括中间层和输出层中的至少一项。
[0032]在其中一个实施例中，所述图片样本标注有用于表示识别结果的识别标签，所述装置还包括：
[0033]识别标签获取模块，被配置为获取所述识别标签；
[0034]所述损失计算模块，具体被配置为：
[0035]通过所述参考全局识别结果、所述全局识别结果和所述识别标签计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片识别模型的获取方法，其特征在于，包括：获取全局识别模型、局部识别模型以及待训练模型，其中，所述待训练模型包括特征提取网络以及与所述特征提取网络连接的全局识别网络、局部识别网络，且所述全局识别模型和所述全局识别网络分别用于识别图片的全局图像是否异常，所述局部识别模型和所述局部识别网络分别用于识别图片的局部图像是否异常；将训练样本集的图片样本输入至所述全局识别模型得到参考全局识别结果，将所述图片样本输入至所述局部识别模型得到参考局部识别结果；将所述图片样本输入至所述待训练模型，由所述特征提取网络提取所述图片样本的多尺度图像特征，并由所述全局识别网络基于所述多尺度图像特征得到全局识别结果，以及由所述局部识别网络基于所述多尺度图像特征得到局部识别结果；通过所述全局识别结果和所述参考全局识别结果计算得到第一损失，以及，通过所述局部识别结果和所述参考局部识别结果计算得到第二损失；以所述第一损失和所述第二损失的加权损失满足预设条件为目标，训练所述特征提取网络、所述全局识别网络和所述局部识别网络，得到图片识别模型，所述图片识别模型包括完成训练的特征提取网络、全局识别网络和局部识别网络。2.根据权利要求1所述的方法，其特征在于，所述参考全局识别结果、所述参考局部识别结果、所述全局识别结果和所述局部识别结果分别为所述全局识别模型、所述局部识别模型、所述全局识别网络以及所述局部识别网络在目标层的输出结果，所述目标层包括中间层和输出层中的至少一项。3.根据权利要求1所述的方法，其特征在于，所述图片样本标注有用于表示识别结果的识别标签，所述方法还包括：获取所述识别标签；所述通过所述参考全局识别结果和所述全局识别结果计算得到第一损失，以及，通过所述参考局部识别结果和所述局部识别结果计算得到第二损失，包括：通过所述参考全局识别结果、所述全局识别结果和所述识别标签计算得到第一损失，以及，通过所述参考局部识别结果、所述局部识别结果和所述识别标签计算得到第二损失。4.根据权利要求1所述的方法，其特征在于，所述得到图片识别模型之后，所述方法还包括：获取待识别图片；将所述待识别图片输入至所述图片识别模型，通过所述特征提取网络提取所述待识别图片的多尺度特征；将所述待识别图片的多尺度特征输入至所述全局识别网络得到第一识别结果，和/或，将所述待识别图片的多尺度特征输入至所述局部识别网络得到第二识别结果，其中，所述第一识别结果用于指示所述待识别图片的全局图像是否异常，所述第二识别结果用于指示所述待识别图片的局部图像的是否异常。5.根据权利要求1所述的方法，其特征在于，所述将训练样本集的图片样本输入至所述全局识别模型得到参考全局识别结果，将所述图片样本输入至所述局部识别模型得到参考局部识别结果之前，所述方法还包括：获取第一样本集和第二样本集，其中，所述第一样本集包括标注的图片样本，所述第二
样本集包括未标注的图片样本；将所述...

【专利技术属性】
技术研发人员：张恒，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：