[發明專利]一種圖像識別的方法、圖像識別模型訓練的方法及裝置

有效

• 申請號: 201910289986.1
• 申請日: 2019-04-11
• 公開（公告）號: CN110009052B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 王一同;黃佳博;季興;周正
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/74;G06V10/764;G06V10/82;G06N3/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本申請公開了一種圖像識別的方法，包括：獲取待識別圖像；通過小規模圖像識別模型獲取待識別圖像的第一圖像特征，其中，小規模圖像識別模型部署于終端設備；根據第一圖像特征與N個第二圖像特征，確定第一圖像特征與第二圖像特征之間的圖像相似度，其中，第二圖像特征為待匹配圖像通過大規模圖像識別模型所獲取到圖像特征；根據圖像相似度確定待識別圖像的圖像識別結果。本申請還公開了圖像識別模型訓練的方法以及裝置。本申請利用大規模圖像識別模型提取到高質量的圖像特征，利用小規模圖像識別模型能夠進行高效計算，從而在保證運算效率的前提下提升小規模圖像識別模型的識別準確率。

技術領域

本申請涉及人工智能領域，尤其涉及一種圖像識別的方法、圖像識別模型訓練的方法及裝置。

背景技術

人臉識別是計算機視覺領域中的一個重要的研究課題，并且在工業領域有廣泛應用。隨著移動設備的發展與普及，在終端設備上運行人臉識別算法的需求日益增強。然而，終端系統有限的運算能力、存儲空間以及對運算實時性的高要求，使得直接在其難以運行大規模神經網絡模型成為不可能。

目前，針對終端設備設計的人臉識別方法，是通過對大規模人臉識別卷積神經網絡(Convolutional Neural Networks，CNN)模型中的結構以及運算操作進行改進，在盡可能保持模型性能的前提下，減少模型中的參數數量。

運行在終端設備上的人臉識別方法大多是通過減少模型參數以提升模型運算速度。然而，由于小模型的模型參數有限，因此，能擬合的解的復雜度相對于大模型而言小許多，從而導致識別準確率下降。如果直接將大模型運用在終端系統上，雖然能保證較高的識別性能，但對終端設備的計算能力要求極高，且在識別效率方面無法得到保證。

發明內容

本申請實施例提供了一種圖像識別的方法、圖像識別模型訓練的方法及裝置，利用大規模圖像識別模型提取到高質量的圖像特征，利用小規模圖像識別模型能夠進行高效計算，從而在保證運算效率的前提下提升小規模圖像識別模型的識別準確率。

有鑒于此，本申請第一方面提供一種圖像識別的方法，包括：

獲取待識別圖像；

通過小規模圖像識別模型獲取所述待識別圖像的第一圖像特征，其中，所述小規模圖像識別模型部署于終端設備；

根據所述第一圖像特征與N個第二圖像特征，確定所述第一圖像特征與所述第二圖像特征之間的圖像相似度，其中，所述第二圖像特征為待匹配圖像通過大規模圖像識別模型所獲取到圖像特征，所述大規模圖像識別模型的模型參數數量大于所述小規模圖像識別模型的模型參數數量，所述N為大于或等于1的整數；

根據所述圖像相似度確定所述待識別圖像的圖像識別結果。

本申請第二方面提供一種圖像識別模型訓練的方法，包括：

獲取待訓練圖像集合，其中，所述待訓練圖像集合中包括至少一個待訓練圖像，每個待訓練圖像對應于一個身份標簽；

通過大規模圖像識別模型獲取每個待訓練圖像所對應的第一待訓練圖像特征，其中；

通過待訓練小規模圖像識別模型獲取所述每個待訓練圖像所對應的第二待訓練圖像特征，其中，每個第二待訓練圖像特征對應于一個類別權重向量，所述類別權重向量與所述身份標簽具有一一對應的關系；

根據所述每個待訓練圖像所對應的所述第一待訓練圖像特征、所述第二待訓練圖像特征以及類別權重向量，對所述待訓練小規模圖像識別模型進行訓練，得到小規模圖像識別模型，其中，所述小規模圖像識別模型部署于終端設備，所述大規模圖像識別模型的模型參數數量大于所述小規模圖像識別模型的模型參數數量。

本申請第三方面提供一種圖像識別裝置，包括：

獲取模塊，用于獲取待識別圖像；