图像识别方法技术

本说明书实施例提供图像识别方法，其中所述图像识别方法包括：接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。通过该目标图像识别模型避免了随着新类型对象的不断增加，神经网络模型对于旧类型对象的识别能力会不断下降的问题，以及模型的图像识别能力降低的问题，提高了图像识别结果的准确率。率。率。

【技术实现步骤摘要】
图像识别方法


[0001]本说明书实施例涉及计算机
，特别涉及一种图像识别方法。

技术介绍

[0002]随着图像识别技术的不断发展和应用，通过图像识别技术能够准确地对特定类别的对象进行识别，从而为人们的日常生活提供便利。而现有技术中的图像识别技术大多通过神经网络模型实现，但是神经网络模型为了适应不断增加新类别对象，也需要不断的进行学习训练，从而对新类型对象进行识别。但是在模型不断学习训练的过程中，随着新类型对象的不断增加，神经网络模型对于旧类型对象的识别能力会不断下降，从而导致模型的图像识别能力降低，图像识别结果不准确等问题。

技术实现思路

[0003]有鉴于此，本说明书实施例提供了一种图像识别方法。本说明书一个或者多个实施例同时涉及一种图像识别模型训练方法，另一种图像识别方法，两种图像识别装置，一种图像识别模型训练装置，一种计算设备，一种计算机可读存储介质，一种计算机程序，以解决现有技术中存在的技术缺陷。
[0004]根据本说明书实施例的第一方面，提供了一种图像识别方法，包括：
[0005]接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。
[0006]根据本说明书实施例的第二方面，提供了一种图像识别模型训练方法，包括：
[0007]确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；
[0008]获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；
[0009]对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；
[0010]基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。
[0011]根据本说明书实施例的第三方面，提供了一种图像识别装置，包括：
[0012]图像识别模块，被配置为接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。
[0013]根据本说明书实施例的第四方面，提供了一种图像识别模型训练装置，包括：
[0014]第一特征获取模块，被配置为确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；
[0015]第二特征获取模块，被配置为获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；
[0016]特征处理模块，被配置为对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；
[0017]模型训练模块，被配置为基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。
[0018]根据本说明书实施例的第五方面，提供了一种图像识别方法，应用于云侧设备，包括：
[0019]获取端侧设备发送的待识别图像；
[0020]将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得；
[0021]向所述端侧设备返回所述图像识别结果。
[0022]根据本说明书实施例的第六方面，提供了一种图像识别装置，应用于云侧设备，包括：
[0023]获取模块，被配置为获取端侧设备发送的待识别图像；
[0024]识别模块，被配置为将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得；
[0025]返回模块，被配置为向所述端侧设备返回所述图像识别结果。
[0026]根据本说明书实施例的第七方面，提供了一种计算设备，包括：
[0027]存储器和处理器；
[0028]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述两种图像识别方法以及图像识别模型训练方法的步骤。
[0029]根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述两种图像识别方法以及图像识别模型训练方法的步骤。
[0030]根据本说明书实施例的第九方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述两种图像识别方法以及图像识别模型训练方法的步骤。
[0031]本说明书提供的图像识别方法，包括：接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图
像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。
[0032]具体的，本说明书提供的图像识别方法，在接收到待识别图像之后，会利用根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得的目标图像识别模型对待识别图像进行处理，从而获得准确的图像识别结果；并且，由于该目标图像识别模型是基于当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征对初始图像识别模型训练获得，而该初始图像识别模型为根据历史样本图像特征训练获得，因此，通过该目标图像识别模型避免了随着新类型对象的不断增加，神经网络模型对于旧类型对象的识别能力会不断下降的问题，以及模型的图像识别能力降低的问题，提高了图像识别结果的准确率。
附图说明
[0033]图1是本说明书一个实施例提供的一种图像识别方法的应用场景示意图；
[0034]图2是本说明书一个实施例提供的一种图像识别方法的流程图；
[0035]图3是本说明书一个实施例提供的一种图像识别方法中模型训练的示意图；
[0036]图4是本说明书一个实施例提供的一种图像识别模型训练方法的流程图；
[0037]图5是本说明书一个实施例提供的一种图像识别模型训练方法中特征存储的示意图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，包括：接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，其中，所述目标图像识别模型为根据当前样本图像的当前样本图像特征以及历史样本图像的历史样本图像特征，对初始图像识别模型训练获得，所述初始图像识别模型为根据所述历史样本图像特征训练获得。2.根据权利要求1所述的图像识别方法，所述将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果，包括：将所述待识别图像输入目标图像识别模型，利用所述目标图像识别模型中的特征提取模块对所述待识别图像进行特征提取，获得所述待识别图像的图像特征；利用所述目标图像识别模型中的图像识别模块对所述图像特征进行图像识别，获得所述待识别图像的图像识别结果。3.根据权利要求1所述的图像识别方法，所述接收待识别图像，并将所述待识别图像输入目标图像识别模型，获得所述待识别图像的图像识别结果之前，还包括：确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。4.一种图像识别模型训练方法，包括：确定初始图像识别模型的当前样本图像，并对所述当前样本图像进行特征提取，获得当前样本图像特征；获取所述初始图像识别模型的历史样本图像特征，其中，所述历史样本图像特征为在根据历史样本图像对所述初始图像识别模型进行训练的过程中生成的图像特征；对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征；基于所述目标样本图像特征对所述初始图像识别模型进行训练，获得目标图像识别模型。5.根据权利要求4所述的图像识别模型训练方法，所述对所述当前样本图像进行特征提取，获得当前样本图像特征，包括：将所述当前样本图像输入所述初始图像识别模型，利用所述初始图像识别模型中的特征提取模块对所述当前样本图像进行特征提取，获得所述当前样本图像的当前样本图像特征。6.根据权利要求4所述的图像识别模型训练方法，所述对所述历史样本图像特征以及所述当前样本图像特征进行处理，获得目标样本图像特征，包括：利用所述初始图像识别模型中的特征处理模块，将所述历史样本图像特征以及所述当前样本图像特征进行特征关联，获得目标样本图像特征。
7.根据权利要求6所述的图像识别模型训练方法，所述利用所述初始图像识别模型中的特征处理模块，将所述历史样本图像特征以及所述当前样本图像特征进行特征关联，获得目标样本图像特征，包括：利用所述初始图像识别模型中的特征处理模块，将所述当前样本图像特征作为查询条件，计算所述历史样本图像特征与所述查询条件的相似系数；利用所述相似系数对所述当前样本图像特征进行加权，获得加权特征，并将所述加权特征与所述当前样本图像特征相加，获得目标样本图像特征。8.根据权利要求4所述的图像识别模型...

【专利技术属性】
技术研发人员：王烨，毛超杰，江泽胤子，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：