[發(fā)明專利]一種基于自動(dòng)編碼的圖像識(shí)別模型訓(xùn)練方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011043380.9
• 申請(qǐng)日: 2020-09-28
• 公開（公告）號(hào): CN112348049A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 吳昊;安定;李賀;張蔚坪;郭冬旭
• 申請(qǐng)（專利權(quán)）人: 北京師范大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 成都魚爪智云知識(shí)產(chǎn)權(quán)代理有限公司 51308
• 代理人: 代述波

本發(fā)明提出了一種基于自動(dòng)編碼的圖像識(shí)別模型訓(xùn)練方法及裝置，涉及圖像處理技術(shù)領(lǐng)域。方法包括：獲取圖像訓(xùn)練樣本集，利用自動(dòng)編碼模型對(duì)圖像訓(xùn)練樣本集進(jìn)行降維處理，可以將其中的高維圖像訓(xùn)練樣本識(shí)別問題轉(zhuǎn)化為特征表達(dá)向量的識(shí)別問題，極大的降低了計(jì)算的復(fù)雜程度，減少了冗余信息所造成的識(shí)別誤差。對(duì)降維處理后的圖像訓(xùn)練樣本集進(jìn)行優(yōu)化，以得到優(yōu)化后的圖像訓(xùn)練樣本集，能夠進(jìn)一步保證通過該優(yōu)化后的圖像訓(xùn)練樣本集能夠訓(xùn)練出能夠?qū)D像進(jìn)行準(zhǔn)確識(shí)別的圖像識(shí)別模型，進(jìn)而保證圖像識(shí)別的準(zhǔn)確性。根據(jù)優(yōu)化后的圖像訓(xùn)練樣本集對(duì)初始圖像識(shí)別模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的能夠進(jìn)行準(zhǔn)確識(shí)別的圖像識(shí)別模型。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種基于自動(dòng)編碼的圖像識(shí)別模型訓(xùn)練方法及裝置。

背景技術(shù)

海量的圖像可以表征更加豐富地語義信息，在生活、教育、醫(yī)療、軍事等多個(gè)方面有著非常廣泛的應(yīng)用。一方面，海量的圖像豐富和便利了多個(gè)領(lǐng)域；另一方面，圖像數(shù)量的爆炸性增長(zhǎng)也成為了一種潛在的負(fù)擔(dān)，如何能夠?qū)⒛繕?biāo)圖像精準(zhǔn)地識(shí)別出來越來越成為一項(xiàng)有意義的工作。

傳統(tǒng)的機(jī)器學(xué)習(xí)方法通過訓(xùn)練、檢索決策等步驟，可以較為有效地識(shí)別出目標(biāo)圖像。然而，傳統(tǒng)的圖像識(shí)別方法中需要使用大量的訓(xùn)練樣本對(duì)圖像模型進(jìn)行訓(xùn)練。在訓(xùn)練的過程中，需要使用大量的訓(xùn)練樣本，訓(xùn)練速度受到較大的影響。此外，訓(xùn)練樣本中還包括很多不合理、重復(fù)的、甚至是錯(cuò)誤的樣本，也顯著地降低了圖像識(shí)別的精準(zhǔn)度。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于自動(dòng)編碼的圖像識(shí)別模型訓(xùn)練方法及裝置，用以改善現(xiàn)有技術(shù)中圖像識(shí)別不準(zhǔn)確的問題。

第一方面，本申請(qǐng)實(shí)施例提供一種基于自動(dòng)編碼的圖像識(shí)別模型訓(xùn)練方法，方法包括：獲取圖像訓(xùn)練樣本集，利用自動(dòng)編碼模型對(duì)圖像訓(xùn)練樣本集進(jìn)行降維處理。對(duì)降維處理后的圖像訓(xùn)練樣本集進(jìn)行優(yōu)化，以得到優(yōu)化后的圖像訓(xùn)練樣本集。根據(jù)優(yōu)化后的圖像訓(xùn)練樣本集對(duì)初始圖像識(shí)別模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的圖像識(shí)別模型。

上述實(shí)現(xiàn)過程中，首先通過自動(dòng)編碼模型對(duì)圖像訓(xùn)練樣本集進(jìn)行降維處理，可以將其中的高維圖像訓(xùn)練樣本識(shí)別問題轉(zhuǎn)化為特征表達(dá)向量的識(shí)別問題，極大的降低了計(jì)算的復(fù)雜程度，減少了冗余信息所造成的識(shí)別誤差。然后再對(duì)降維處理后的圖像訓(xùn)練樣本集進(jìn)行優(yōu)化，能夠進(jìn)一步保證通過該優(yōu)化后的圖像訓(xùn)練樣本集能夠訓(xùn)練出能夠?qū)D像進(jìn)行準(zhǔn)確識(shí)別的圖像識(shí)別模型，進(jìn)而保證圖像識(shí)別的準(zhǔn)確性。

在本發(fā)明的一些實(shí)施例中，根據(jù)優(yōu)化后的圖像訓(xùn)練樣本集對(duì)初始圖像識(shí)別模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的圖像識(shí)別模型的步驟之后，方法包括：獲取待識(shí)別圖像庫；其中，待識(shí)別圖像庫中包括多個(gè)待識(shí)別圖像；利用訓(xùn)練好的圖像識(shí)別模型對(duì)待識(shí)別圖像庫進(jìn)行識(shí)別，并從待識(shí)別圖像庫中識(shí)別出目標(biāo)圖像。

上述實(shí)現(xiàn)過程中，由于訓(xùn)練好的圖像識(shí)別模型是根據(jù)優(yōu)化后的圖像訓(xùn)練集訓(xùn)練得到的，其能夠考慮到不同圖像訓(xùn)練樣本之間的差異性，因此可以從待識(shí)別圖像庫中準(zhǔn)確的識(shí)別出目標(biāo)圖像。

在本發(fā)明的一些實(shí)施例中，圖像訓(xùn)練樣本集中包括多個(gè)圖像訓(xùn)練樣本，利用自動(dòng)編碼模型對(duì)圖像訓(xùn)練樣本集進(jìn)行降維處理的步驟之前，方法還包括：采用分水嶺分割算法對(duì)圖像訓(xùn)練樣本集中的每個(gè)圖像訓(xùn)練樣本進(jìn)行分割，并得到每個(gè)圖像訓(xùn)練樣本對(duì)應(yīng)的分割圖。判斷分割圖中的分割區(qū)域的數(shù)量是否大于預(yù)設(shè)分割閾值，若是，則將與分割圖對(duì)應(yīng)的圖像訓(xùn)練樣本從圖像訓(xùn)練樣本集中刪除。

上述實(shí)現(xiàn)過程中，采用分水嶺分割算法對(duì)圖像訓(xùn)練樣本集進(jìn)行預(yù)處理，以將圖像訓(xùn)練樣本集中的多余的圖像訓(xùn)練樣本刪除掉，從而保證圖像訓(xùn)練樣本集中樣本的質(zhì)量，進(jìn)而保證訓(xùn)練出的圖像識(shí)別模型識(shí)別的準(zhǔn)確性。

在本發(fā)明的一些實(shí)施例中，利用自動(dòng)編碼模型對(duì)圖像訓(xùn)練樣本集進(jìn)行降維處理的步驟之前，方法還包括：獲取第一圖像訓(xùn)練樣本集，并建立初始自動(dòng)編碼模型。利用第一圖像訓(xùn)練樣本集對(duì)初始自動(dòng)編碼模型進(jìn)行訓(xùn)練，以獲取訓(xùn)練好的自動(dòng)編碼模型。