本公开是关于一种训练识别标识模型的方法、图像识别的方法和装置；该训练识别标识模型的方法包括：获取背景图片和前景图片，其中，背景图片为初始样本图片；前景图片为待识别标识图片；依据背景图片和前景图片进行合成，生成标定样本；对标定样本添加对应标签，其中，标签用于表示待识别标识的类别，以及待识别标识在图片中的位置；将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型，目标识别模型用于识别输入的图片中是否包含待识别标识。如此本公开可以提升LOGO检测准确率。测准确率。测准确率。
【技术实现步骤摘要】
一种训练识别标识模型的方法、图像识别的方法和装置
[0001]本公开涉及但不限于互联网
，尤其涉及一种训练识别标识模型的方法、图像识别的方法和装置。
技术介绍
[0002]当前互联网对于图像内容的版权要求日趋严格，而用户生成内容(User Generated Content，简称UGC)平台的用户上传内容可能存在包含第三方标识LOGO的内容侵权现象，为了规避该问题，通常使用人工智能(Artificial Intelligence，简称AI)模型或审核人员对图像、视频内容进行审查，删除包含第三方LOGO的内容。
[0003]目前对于图片和视频中的LOGO检测主要使用人工识别、模式识别、机器学习等方法。
[0004]但是相关技术中对于LOGO检测的过程中，基于对样本要求和对数量的需求会影响对LOGO进行检测，导致LOGO检测准确率低的问题，尚未有相关解决方案。
技术实现思路
[0005]本公开提供一种训练识别标识模型的方法、图像识别的方法和装置，以解决相关技术中基于对样本要求和对数量的需求会影响对LOGO进行检测，导致LOGO检测准确率低的技术问题。
[0006]根据本公开实施例的第一方面，提供一种训练识别标识模型的方法，包括：获取背景图片和前景图片，其中，背景图片为初始样本图片；前景图片为待识别标识图片；依据背景图片和前景图片进行合成，生成标定样本；对标定样本添加对应标签，其中，标签用于表示待识别标识的类别，以及待识别标识在图片中的位置；将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型，目标识别模型用于识别输入的图片中是否包含待识别标识。
[0007]上述方案中，获取背景图片包括：通过预设渠道获取的多个图片，将多个图片作为初始样本图片，其中，多个图片中包含至少一个待识别标识；依据初始样本图片生成源样本集；通过图像数据增强对源样本集中的所有图片进行处理，生成背景图片。
[0008]上述方案中，背景图片包括：原始图片和负样本图片，其中，负样本图片为无类别和无坐标的图片。
[0009]上述方案中，获取前景图片包括：获取包含待识别标识的图片集合，将图片集合作为待识别标识图集；从待识别标识图集中获取待识别标识的透明度为预设值的图片；获取待识别标识的透明度为预设值的图片中任意一张图片作为前景图片。
[0010]上述方案中，将图片集合作为待识别标识图集包括：依据预设条件对图片集合进行分类，得到至少一个待识别标识图集，其中，预设条件为待识别标识对应的品牌。
[0011]上述方案中，待识别标识图集包括：静态标识图片和/或动态标识图片。
[0012]上述方案中，获取待识别标识的透明度为预设值的图片中任意一张图片作为前景
图片包括：在待识别标识图集包括动态标识图片的情况下，获取每帧待识别标识形态的图片；依据每帧待识别标识形态的图片获取待识别标识的透明度为预设值的图片，生成前景图。
[0013]上述方案中，对标定样本添加对应标签包括：获取前景图中待识别标识的类别；获取标定样本中待识别标识的位置；依据类别和位置对标定样本添加对应的标签，得到添加类别标签和位置标签的标定样本。
[0014]上述方案中，将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型包括：依据添加标签的标定样本和背景图片对待训练识别模型进行训练，得到背景图片中包含待识别标识图片；删除背景图片中包含待识别标识图片；将添加标签的标定样本和删除包含待识别标识图片的背景图片输入待训练识别模型进行训练，直至待识别模型收敛，得到目标识别模型。
[0015]上述方案中，依据添加标签的标定样本和背景图片对待训练识别模型进行训练包括：将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到初始模型参数；依据初始模型参数和待训练识别模型对背景图进行识别，得到识别结果，其中，识别结果用于指示背景图片中是否为待识别标识图片。
[0016]根据本公开实施例的第二方面，提供一种图像识别方法，应用于上述训练识别标识模型的方法，包括：获取待识别图片；通过目标识别模型解析待识别图片，判断待识别图片是否包含预设标签；在判断结果为是的情况下，识别待识别图片包含目标标识；在判断结果为否的情况下，输出识别失败的检测结果。
[0017]上述方案中，通过目标识别模型解析待识别图片，判断待识别图片是否包含预设标签包括：在待识别图片包含动态标识的情况下，通过目标识别模型解析待识别图片包含的预设标签是否包含每帧待识别标识形态。
[0018]上述方案中，在输出识别失败的检测结果之后，该方法还包括：对待识别图片添加标签，并对应调整目标识别模型，得到优化后的目标识别模型。
[0019]根据本公开实施例的第三方面，提供一种训练识别标识模型的装置，包括：获取模块，用于获取背景图片和前景图片，其中，背景图片为初始样本图片；前景图片为待识别标识图片；样本生成模块，用于依据背景图片和前景图片进行合成，生成标定样本；标签添加模块，用于对标定样本添加对应标签，其中，标签用于表示待识别标识的类别，以及待识别标识在图片中的位置；模型训练模块，用于将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型，目标识别模型用于识别输入的图片标定样本中是否包含待识别标识。
[0020]根据本公开实施例的第四方面，提供一种图像识别装置，包括：获取模块，用于获取待识别图片；识别模块，用于通过目标识别模型解析待识别图片，判断待识别图片是否包含预设标签；第一判断模块，用于在判断结果为是的情况下，识别待识别图片包含目标标识；第二判断模块，用于在判断结果为否的情况下，输出识别失败的检测结果。
[0021]本公开提供的技术方案可以包括以下有益效果：
[0022]在本公开中，通过获取背景图片和前景图片，其中，背景图片为初始样本图片；前景图片为待识别标识图片；依据背景图片和前景图片进行合成，生成标定样本；对标定样本添加对应标签，其中，标签用于表示待识别标识的类别，以及待识别标识在图片中的位置；
将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型，目标识别模型用于识别输入的图片中是否包含待识别标识，提升LOGO检测准确率。
[0023]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0024]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0025]图1示出了一个示例性实施例提供的一种训练识别标识模型的方法的流程示意图；
[0026]图2a示出了一个示例性实施例提供的一种训练识别标识模型的方法中原始图片的示意图；
[0027]图2b示出了一个示例性实施例提供的一种训练识别标识模型的方法中负样本图片的示意图；
[0028]图2c示出了一个示例性实施例提供的另一种训练本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种训练识别标识模型的方法，其特征在于，包括：获取背景图片和前景图片，其中，所述背景图片为初始样本图片；所述前景图片为待识别标识图片；依据所述背景图片和所述前景图片进行合成，生成标定样本；对所述标定样本添加对应标签，其中，所述标签用于表示待识别标识的类别，以及所述待识别标识在图片中的位置；将添加所述标签的所述标定样本和所述背景图片输入待训练识别模型进行训练，得到目标识别模型，所述目标识别模型用于识别输入的图片中是否包含所述待识别标识。2.根据权利要求1所述的方法，其特征在于，所述获取背景图片包括：通过预设渠道获取的多个图片，将所述多个图片作为所述初始样本图片，其中，所述多个图片中包含至少一个待识别标识；依据所述初始样本图片生成源样本集；通过图像数据增强对所述源样本集中的所有图片进行处理，生成所述背景图片。3.根据权利要求2所述的方法，其特征在于，所述背景图片包括：原始图片和负样本图片，其中，所述负样本图片为无类别和无坐标的图片。4.根据权利要求1所述的方法，其特征在于，所述获取前景图片包括：获取包含待识别标识的图片集合，将所述图片集合作为待识别标识图集；从所述待识别标识图集中获取所述待识别标识的透明度为预设值的图片；获取所述待识别标识的透明度为预设值的图片中任意一张图片作为所述前景图片。5.根据权利要求4所述的方法，其特征在于，所述将所述图片集合作为待识别标识图集包括：依据预设条件对所述图片集合进行分类，得到至少一个待识别标识图集，其中，所述预设条件为所述待识别标识对应的品牌。6.根据权利要求4所述的方法，其特征在于，所述待识别标识图集包括：静态标识图片和/或动态标识图片。7.根据权利要求6所述的方法，其特征在于，所述获取所述待识别标识的透明度为预设值的图片中任意一张图片作为所述前景图片包括：在所述待识别标识图集包括所述动态标识图片的情况下，获取每帧待识别标识形态的图片；依据所述每帧待识别标识形态的图片获取所述待识别标识的透明度为预设值的图片，生成所述前景图。8.根据权利要求1至7中任意一项所述的方法，其特征在于，所述对所述标定样本添加对应标签包括：获取所述前景图中所述待识别标识的类别；获取所述标定样本中所述待识别标识的位置；依据所述类别和所述位置对所述标定样本添加对应的标签，得到添加类别标签和位置标签的所述标定样本。9.根据权利要求8所述的方法，其特征在于，所述将添加所述标签的所述标定样本和所述背景图片输入待训练识别模型进行训练，得到目标识别模型包括：
依据添加所述标签的所述标定样本和所述背景图片对待训...
【专利技术属性】
技术研发人员：阚野，胡瑞华，崔国珍，
申请(专利权)人：北京快乐茄信息技术有限公司，
类型：发明
国别省市：
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。