【技术实现步骤摘要】
本专利技术涉及计算机，更具体地，涉及一种图像识别方法、装置、电子设备和计算机可读存储介质。
技术介绍
1、随着科技的不断发展，图像处理技术，特别是人工智能生成内容(aigc，artificial intelligence generated content)技术变得越来越完善。人工智能生成内容技术为用户创作图像带来了极大的便利，但这一技术的发展无疑降低了图像造假的成本，因此图像的真实性验证变得越来越重要。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种图像识别方法、装置、电子设备和计算机可读存储介质，以根据待识别图像和预先训练的图像识别模型同时识别拍摄图像的设备的品牌和型号，为图像的真实性验证提供重要数据支持。
2、第一方面，本专利技术实施例提供了一种图像识别方法，所述方法包括：
3、获取待识别图像；
4、根据所述待识别图像，基于预先训练的图像识别模型，确定待识别设备的品牌信息和型号信息，所述待识别设备为拍摄所述待识别图像的设备，所述图像识别模型基于训练样本集合训练获得，所述训练样本集合包括多个样本图像以及各所述样本图像的样本品牌信息和样本型号信息，各所述样本图像由同品牌同型号的设备、同品牌不同型号的设备和不同品牌的设备拍摄得到。
5、可选地，所述图像识别模型包括特征提取模块和特征识别模块，所述图像识别模型基于如下方式训练：
6、从所述训练样本集合中获取第一图像、第二图像、第三图像和第四图像，所述第一图像与所述第二图
7、基于所述特征提取模块获取所述第一图像的图像特征、所述第二图像的图像特征、所述第三图像的图像特征和所述第四图像的图像特征；
8、根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对，所述识别目标为设备品牌或设备型号；
9、以各所述图像对的图像对特征为对比学习模块的输入，以所述第一图像的图像特征、所述第二图像的图像特征、所述第三图像的图像特征和所述第四图像的图像特征为所述特征识别模块的输入，并以第一设备信息、第二设备信息、第三设备信息和第四设备信息为所述特征识别模块的输出对所述对比学习模块和所述图像识别模型训练，直至所述图像识别模型的分类损失函数和所述识别目标对应的对比损失函数收敛，所述第一设备信息为所述第一图像的所述样本品牌信息和所述样本型号信息，所述第二设备信息为所述第二图像的所述样本品牌信息和所述样本型号信息，所述第三设备信息为所述第三图像的所述样本品牌信息和所述样本型号信息，所述第四设备信息包括为第四图像的所述样本品牌信息和所述样本型号信息。
10、可选地，根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
11、响应于所述识别目标为设备型号，将所述第二图像确定为正样本图像，并将所述第三图像确定为负样本图像；
12、将所述第一图像和所述第二图像确定为正样本图像对；
13、将所述第一图像和所述第三图像确定为负样本图像对。
14、可选地，所述根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
15、响应于所述识别目标为设备品牌，将所述第二图像和所述第三图像均确定为正样本图像，将所述第四图像确定为负样本图像；
16、将所述第一图像和所述第二图像确定为正样本图像对；
17、将所述第一图像和所述第三图像确定为正样本图像对；
18、将所述第一图像和所述第四图像确定为负样本图像对。
19、可选地，所述从所述训练样本集合中获取第一图像、第二图像、第三图像和第四图像包括：
20、对所述训练样本集合中的至少部分所述样本图像进行随机处理，获取处理后的所述训练样本集合；
21、从处理后的所述训练样本集合中获取所述第一图像、所述第二图像、所述第三图像和所述第四图像。
22、可选地，所述随机处理包括随机旋转、随机翻转、随机缩放、随机压缩和随机裁剪中的至少一项。
23、可选地，所述基于所述特征提取模块获取所述第一图像的图像特征、所述第二图像的图像特征、所述第三图像的图像特征和所述第四图像的图像特征包括：
24、获取所述第一图像的元数据信息、所述第二图像的元数据信息、所述第三图像的元数据信息和所述第四图像的元数据信息；
25、根据所述第一图像和所述第一图像的元数据信息，基于所述特征提取模块获取所述第一图像的图像特征；
26、根据所述第二图像和所述第二图像的元数据信息，基于所述特征提取模块获取所述第二图像的图像特征；
27、根据所述第三图像和所述第三图像的元数据信息，基于所述特征提取模块获取所述第三图像的图像特征；
28、根据所述第四图像和所述第四图像的元数据信息，基于所述特征提取模块获取所述第四图像的图像特征。
29、可选地，所述根据所述待识别图像，基于预先训练的图像识别模型，确定待识别设备的品牌信息和型号信息包括：
30、获取所述待识别图像的元数据信息；
31、根据所述待识别图像和所述待识别图像的元数据信息，基于所述图像识别模型获取所述品牌信息和所述型号信息。
32、第二方面，本专利技术实施例提供了一种图像识别装置，所述装置包括：
33、图像获取单元，用于获取待识别图像；
34、图像识别单元，用于根据所述待识别图像，基于预先训练的图像识别模型，确定待识别设备的品牌信息和型号信息，所述待识别设备为拍摄所述待识别图像的设备，所述图像识别模型基于训练样本集合训练获得，所述训练样本集合包括多个样本图像以及各所述样本图像的样本品牌信息和样本型号信息，各所述样本图像由同品牌同型号的设备、同品牌不同型号的设备和不同品牌的设备拍摄得到。
35、第三方面，本专利技术实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面中任一项所述的方法。
36、第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
37、第五方面，本专利技术实施例提供了一种计算机程序产品，所述计算机程序产品包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如第一方面中任一项所述的方法。
38、本专利技术实施例在获取待识别图像后，根据预先训练的图像识别模型确定拍摄待识别图像的设备的品牌和型号。在本专利技术实施例中，用于训练图像识本文档来自技高网...
【技术保护点】
1.一种图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像识别模型包括特征提取模块和特征识别模块，所述图像识别模型基于如下方式训练：
3.根据权利要求2所述的方法，其特征在于，根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
5.根据权利要求2所述的方法，其特征在于，所述从所述训练样本集合中获取第一图像、第二图像、第三图像和第四图像包括：
6.根据权利要求5所述的方法，其特征在于，所述随机处理包括随机旋转、随机翻转、随机缩放、随机压缩和随机裁剪中的至少一项。
7.根据权利要求2所述的方法，其特征在于，所述基于所述特征提取模块获取所述第一图像的图像特征、所述第二图像的图像特征、所述第三图像的图像特征和所述第四图像的图像特征包括：
8.
9.一种图像识别装置，其特征在于，所述装置包括：
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像识别模型包括特征提取模块和特征识别模块，所述图像识别模型基于如下方式训练：
3.根据权利要求2所述的方法，其特征在于，根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述图像识别模型的识别目标将所述第一图像与所述第二图像、所述第三图像和所述第四图像中的至少一项组成图像对包括：
5.根据权利要求2所述的方法，其特征在于，所述从所述训练样本集合中获取第一图像、第二图像、第三图像和第四图像包括：
6.根据权利要求5所述的方法，其特征在于，所述随机处理包括随机旋转、随机翻转、随机缩放、随机压缩和随机裁剪中的至少一项。
7.根据权利要求2所述的方法，其特征在于，所述基于所述...
【专利技术属性】
技术研发人员：谢海逸，曾吉申，杨锐，
申请(专利权)人：阿里巴巴中国有限公司，
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。