[發明專利]圖像識別方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 202010098022.1
• 申請日: 2020-02-17
• 公開（公告）號: CN111291817A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 王塑;竇毅琨;劉宇;王亞可;王澤榮
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種圖像識別方法，其特征在于，包括：

獲取待識別圖像；并將所述待識別圖像輸入至目標神經網絡中，得到所述待識別圖像的特征信息和所述待識別圖像的重構圖像，其中，所述目標神經網絡包括特征提取網絡和重構網絡；

基于所述待識別圖像的特征信息和目標分類特征信息計算目標損失函數，以及基于所述重構圖像計算所述目標神經網絡中重構網絡的重構損失函數，其中，所述目標分類特征信息為特征提取網絡確定出的所述待識別圖像所屬分類的特征信息；

基于所述目標損失函數和所述重構損失函數確定所述待識別圖像的樣本類型。

2.根據權利要求1所述的方法，其特征在于，所述目標神經網絡包括以下至少之一：單類型神經網絡、多類型神經網絡和未知多類型神經網絡；

所述單類型神經網絡的分類類別為一種；

所述多類型神經網絡的分類類別為多種；

所述未知多類型神經網絡的分類類別為多種，且多種分類類別中包含已知分類類別和未知分類類別。

3.根據權利要求2所述的方法，其特征在于，所述目標神經網絡為所述單類型神經網絡；基于所述目標損失函數和所述重構損失函數確定所述待識別圖像的樣本類型包括：

獲取第一損失閾值和第二損失閾值；

若所述目標損失函數大于所述第一損失閾值，和/或，所述重構損失函數大于所述第二損失閾值，則確定所述待識別圖像的樣本類型為負樣本。

4.根據權利要求2所述的方法，其特征在于，所述目標神經網絡為所述多類型神經網絡；所述方法還包括：

獲取所述特征提取網絡的各個分類類別的分類特征信息；

基于所述待識別圖像的特征信息和所述分類特征信息計算所述待識別圖像所屬于每個分類類別的第一預測概率，得到多個第一預測概率；

基于所述多個第一預測概率在多個分類類別確定所述待識別圖像所屬的目標分類類別；

將所述目標分類類別對應的特征信息確定為所述目標分類特征信息。

5.根據權利要求4所述的方法，其特征在于，基于所述目標損失函數和所述重構損失函數確定所述待識別圖像的樣本類型包括：

獲取與每個分類類別相對應的第一損失閾值；以及獲取與每個分類類別相對應的第二損失閾值；

若所述目標損失函數大于每個第一損失閾值，和/或，所述重構損失函數大于每個第二損失閾值，則確定所述待識別圖像的樣本類型為負樣本。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：

確定所述第一損失閾值，以及確定所述第二損失閾值。

7.根據權利要求6所述的方法，其特征在于，確定所述第一損失閾值，以及確定所述第二損失閾值包括：

若所述目標神經網絡的分類類別為多種，則為每種分類類別確定第一損失閾值；以及

若所述目標神經網絡的分類類別為多種，則為每種分類類別確定第二損失閾值。

8.根據權利要求6所述的方法，其特征在于，確定所述第一損失閾值，以及確定所述第二損失閾值包括：

獲取預先設定的目標通過率；其中，所述目標通過率包括：正樣本通過率或者負樣本通過率；

通過所述目標通過率確定所述第一損失閾值和所述第二損失閾值。

9.根據權利要求6所述的方法，其特征在于，所述目標神經網絡為所述未知多類型神經網絡；所述方法還包括：

獲取目標底庫圖像；

將所述目標底庫圖像輸入至所述特征提取網絡中，得到所述目標底庫圖像的特征信息，其中，每一張目標底庫圖像對應所述未知多類型神經網絡的一個底庫分類類別。