[發明專利]一種基于自動編碼的圖像識別模型訓練方法及裝置

在審

• 申請號: 202011043380.9
• 申請日: 2020-09-28
• 公開（公告）號: CN112348049A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 吳昊;安定;李賀;張蔚坪;郭冬旭
• 申請（專利權）人: 北京師范大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 代述波

1.一種基于自動編碼的圖像識別模型訓練方法，其特征在于，所述方法包括：

獲取圖像訓練樣本集；

利用自動編碼模型對所述圖像訓練樣本集進行降維處理；

對降維處理后的圖像訓練樣本集進行優化，以得到優化后的圖像訓練樣本集；

根據所述優化后的圖像訓練樣本集對初始圖像識別模型進行訓練，以得到訓練好的圖像識別模型。

2.如權利要求1所述的方法，其特征在于，根據所述優化后的圖像訓練樣本集對初始圖像識別模型進行訓練，以得到訓練好的圖像識別模型的步驟之后，所述方法包括：

獲取待識別圖像庫；其中，所述待識別圖像庫中包括多個待識別圖像；

利用訓練好的圖像識別模型對所述待識別圖像庫進行識別，并從所述待識別圖像庫中識別出目標圖像。

3.如權利要求1所述的方法，其特征在于，所述圖像訓練樣本集中包括多個圖像訓練樣本，利用自動編碼模型對所述圖像訓練樣本集進行降維處理的步驟之前，所述方法還包括：

采用分水嶺分割算法對所述圖像訓練樣本集中的每個圖像訓練樣本進行分割，并得到每個所述圖像訓練樣本對應的分割圖；

判斷所述分割圖中的分割區域的數量是否大于預設分割閾值，若是，則將與所述分割圖對應的所述圖像訓練樣本從所述圖像訓練樣本集中刪除。

4.如權利要求1所述的方法，其特征在于，利用自動編碼模型對所述圖像訓練樣本集進行降維處理的步驟之前，所述方法還包括：

獲取第一圖像訓練樣本集，并建立初始自動編碼模型；

利用所述第一圖像訓練樣本集對所述初始自動編碼模型進行訓練，以獲取訓練好的自動編碼模型。

5.如權利要求1所述的方法，其特征在于，所述圖像訓練樣本集中包括多個圖像訓練樣本，對降維處理后的圖像訓練樣本集進行優化，以得到優化后的圖像訓練樣本集的步驟，包括：

采用相似度度量法計算所述圖像訓練樣本集中至少兩個圖像訓練樣本之間的相似度值；

若所述相似度值大于預設相似度閾值，則刪除所述多個圖像訓練樣本中的至少一個圖像訓練樣本。

6.如權利要求5所述的方法，其特征在于，若所述相似度值大于預設相似度閾值，則刪除所述多個圖像訓練樣本中的至少一個圖像訓練樣本的步驟之后，還包括：

通過最鄰近檢測算法計算出所述圖像訓練樣本集中一圖像訓練樣本的多個最鄰近訓練樣本；

將每個最鄰近訓練樣本與所述圖像訓練樣本進行比對，并得到比對結果；

若所述比對結果表示所述圖像訓練樣本與所述多個最鄰近訓練樣本的差異大，則刪除所述圖像訓練樣本。

7.一種基于自動編碼的圖像識別模型訓練裝置，其特征在于，所述裝置包括：

樣本集獲取模塊，用于獲取圖像訓練樣本集；

自動編碼降維模塊，用于利用自動編碼模型對所述圖像訓練樣本集進行降維處理；

樣本集優化模塊，用于對降維處理后的圖像訓練樣本集進行優化，以得到優化后的圖像訓練樣本集；

模型訓練模塊，用于根據所述優化后的圖像訓練樣本集對初始圖像識別模型進行訓練，以得到訓練好的圖像識別模型。

8.如權利要求7所述的裝置，其特征在于，所述裝置包括：

圖像庫獲取模塊，用于獲取待識別圖像庫；其中，所述待識別圖像庫中包括多個待識別圖像；

識別模塊，用于利用訓練好的圖像識別模型對所述待識別圖像庫進行識別，并從所述待識別圖像庫中識別出目標圖像。

9.一種電子設備，其特征在于，包括：

存儲器，用于存儲一個或多個程序；

處理器；

當所述一個或多個程序被所述處理器執行時，實現如權利要求1-6中任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-6中任一項所述的方法。