[發明專利]圖像識別方法、裝置及電子設備

有效

• 申請號: 202010370334.3
• 申請日: 2020-04-30
• 公開（公告）號: CN111695421B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 楊馥蔚
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06N3/0464;G06T5/00
• 代理公司: 北京超凡宏宇知識產權代理有限公司 11463
• 代理人: 何少巖

1.一種圖像識別方法，其特征在于，所述方法包括：

獲取待識別圖像；

將所述待識別圖像輸入至預訓練得到的圖像識別模型；其中，所述圖像識別模型包括預處理網絡、元學習網絡和圖像識別網絡；

通過所述元學習網絡基于所述待識別圖像生成所述預處理網絡的參數；

通過所述預處理網絡基于所述元學習網絡生成的參數對所述待識別圖像進行去模糊處理，得到清晰圖像；

通過所述圖像識別網絡對所述清晰圖像進行識別，得到圖像識別結果。

2.根據權利要求1所述的方法，其特征在于，所述預處理網絡為殘差網絡。

3.根據權利要求1所述的方法，其特征在于，所述元學習網絡包括依次連接的卷積層和全連接層；所述全連接層的輸出節點數量與所述預處理網絡所需的參數數量相同。

4.根據權利要求1所述的方法，其特征在于，所述圖像識別模型的訓練過程包括：

獲取樣本圖像對；其中，所述樣本圖像對包括清晰樣本圖像和與所述清晰樣本圖像對應的模糊樣本圖像；

基于所述樣本圖像對對所述元學習網絡和所述圖像識別網絡進行訓練，直至訓練結束，得到訓練后的圖像識別模型。

5.根據權利要求4所述的方法，其特征在于，所述獲取樣本圖像對的步驟，包括：

獲取清晰樣本圖像；

對所述清晰樣本圖像進行運動模糊處理，得到與所述清晰樣本圖像對應的模糊樣本圖像；

基于所述清晰樣本圖像和所述模糊樣本圖像組成樣本圖像對。

6.根據權利要求5所述的方法，其特征在于，所述對所述清晰樣本圖像進行運動模糊處理的步驟，包括：

采用隨機的卷積參數對所述清晰樣本圖像進行卷積處理，和/或，為所述清晰樣本圖像上添加高斯白噪聲。

7.根據權利要求4所述的方法，其特征在于，所述基于所述樣本圖像對對所述元學習網絡和所述圖像識別網絡進行訓練，直至訓練結束，得到訓練后的圖像識別模型的步驟，包括：

對所述圖像識別網絡進行預訓練，得到預訓練好的圖像識別網絡；

保持所述預訓練好的圖像識別網絡的參數不變，采用所述樣本圖像對對所述元學習網絡進行初始訓練，得到初始訓練好的元學習網絡；

采用所述樣本圖像對對所述預訓練好的圖像識別網絡和所述初始訓練好的元學習網絡進行聯合訓練，直至訓練結束，得到訓練后的圖像識別模型。

8.根據權利要求7所述的方法，其特征在于，所述采用所述樣本圖像對對所述元學習網絡進行初始訓練，得到初始訓練好的元學習網絡的步驟，包括：

通過所述預訓練好的圖像識別網絡對所述清晰樣本圖像進行特征提取，得到第一圖像特征；

通過所述預處理網絡對所述模糊樣本圖像進行去模糊處理，得到去模糊圖像；

通過所述預訓練好的圖像識別網絡對所述去模糊圖像進行特征提取，得到第二圖像特征；

基于所述第一圖像特征和所述第二圖像特征確定第一損失函數值；

根據所述第一損失函數值對所述元學習網絡進行初始訓練，得到初始訓練好的元學習網絡。

9.根據權利要求8所述的方法，其特征在于，所述采用所述樣本圖像對對所述預訓練好的圖像識別網絡和所述初始訓練好的元學習網絡進行聯合訓練的步驟，包括：

基于所述第一圖像特征確定第二損失函數值；

根據所述第一損失函數值與所述第二損失函數值確定總損失值；

基于所述總損失值調整所述預訓練好的圖像識別網絡的參數以及所述初始訓練好的元學習網絡的參數。