[發明專利]對象識別方法和裝置、神經網絡生成方法和裝置

在審

• 申請號: 201810543947.5
• 申請日: 2018-05-30
• 公開（公告）號: CN110555338A
• 公開（公告）日: 2019-12-10
• 發明（設計）人: 楊杰;王治金;文偉;熊君君
• 申請（專利權）人: 北京三星通信技術研究有限公司;三星電子株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 11021 中科專利商標代理有限責任公司
• 代理人: 楊靜

1.一種對象識別方法，包括：

從輸入圖像中提取特征；以及

通過對所提取的特征進行分類來執行對象識別；

其中，基于一個或多個對象原型對提取的特征進行分類。

2.根據權利要求1所述的方法，其中，所述通過對所提取的特征進行分類來執行人臉識別包括：

基于提取的特征，從獲取的一個或多個對象原型中得到與待識別對象最相似的對象原型；

計算所述待識別對象與所述最相似的對象原型之間的相似度；以及

響應于所述相似度與第一閾值的比較結果，確定所述待識別對象具有與最相似的對象原型相對應的類別。

3.根據權利要求2所述的方法，還包括：

分別計算所述提取的特征與所有對象原型的距離，獲取候選對象原型；

根據所述候選對象原型與待識別對象的相似度，獲取待識別對象與未知類別之間的關聯度；

根據關聯度與第二閾值的比較結果，確定識別結果。

4.根據權利要求1所述的方法，其中，所述從輸入圖像中提取特征包括：

通過深度學習神經網絡從輸入圖像中提取特征；

其中，所述深度學習神經網絡的網絡參數是通過損失度量訓練得到的；

其中，所述損失度量使得第一距離與第二距離之間的差盡可能大，其中，第一距離為訓練集與所對應的正確類別的對象原型之間的距離，第二距離為訓練集與最易混淆類別的對象原型之間的距離。

5.根據權利要求1所述的方法，其中，所述從輸入圖像中提取特征包括：通過深度學習神經網絡從輸入圖像中提取特征；

所述方法還包括：根據新的對象原型識別新的類別；其中，所述新的對象原型是所述深度學習神經網絡根據對象新的訓練集獲取的。

6.一種神經網絡模型的生成方法，包括：

根據損失度量，通過訓練樣本得到深度學習神經網絡模型；

其中，所述深度學習神經網絡模型包括與類別對應的一個或多個對象原型，以便根據所述一個或多個對象原型對待識別對象進行分類。

7.根據權利要求6所述的方法，其中，所述損失度量使得第一距離與第二距離之間的差盡可能大；

其中，第一距離為訓練集與所對應的正確類別的對象原型的距離，第二距離為訓練集與最易混淆的類別的對象原型的距離。

8.根據權利要求6所述的方法，還包括：

根據新的訓練集，得到新的對象原型。

9.根據權利要求6所述的方法，其中，利用以下公式計算所述深度學習神經網絡模型的損失度量minL：

其中，[]₊表示若值小于t時則取0，大于t時則為當前值，N為訓練樣本的數目，x_i表示第i個訓練樣本，y為第i個訓練樣本對應的正確類別，f為訓練樣本經過深度學習神經網絡模型提取的特征，p_ym為與正確類別y相對應的第m個對象原型，p_cn為最易混淆類別c的第n個對象原型，t為常量。

10.一種對象識別裝置，包括：

用于從輸入圖像中提取特征的提取模塊；以及

用于通過對所提取的特征進行分類來執行對象識別的分類模塊；

其中，所述分類模塊基于一個或多個對象原型對提取的特征進行分類。

11.一種神經網絡模型的生成裝置，包括：

用于根據損失度量訓練樣本得到深度學習神經網絡模型的訓練模塊；

其中，所述深度學習神經網絡模型包括與類別對應的一個或多個對象原型，以便根據所述一個或多個對象原型對待識別對象進行分類。