[發明專利]一種基于顯著性檢測的圖像識別模型訓練方法及裝置

有效

• 申請號: 202011045342.7
• 申請日: 2020-09-28
• 公開（公告）號: CN112329810B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 吳昊;朱曉瑜;劉雪瀅;王昊笛;肖佳奇
• 申請（專利權）人: 北京師范大學
• 主分類號: G06V10/774
• 分類號: G06V10/774
• 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

1.一種基于顯著性檢測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；其中，所述圖像訓練樣本集中包括多個圖像訓練樣本；

對所述圖像訓練樣本集中的所述圖像訓練樣本進行顯著性檢測，以得到顯著性檢測結果；

根據所述顯著性檢測結果對所述圖像訓練樣本集中的所述圖像訓練樣本進行優化，以得到優化后的圖像訓練樣本集；具體包括：判斷所述顯著性檢測結果表示所述圖像訓練樣本的顯著性區域占其總區域的比例是否大于預設閾值；若是，則將所述圖像訓練樣本從所述圖像訓練樣本集中刪除；

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的步驟之前，所述方法包括：

建立支持向量機圖像識別模型；其中，所述支持向量機圖像識別模型包括多個代價函數；

根據所述顯著性檢測結果確定每個所述代價函數的權重；

根據每個所述代價函數的權重確定多權重代價函數；

根據所述多權重代價函數確定所述初始圖像識別模型。

4.一種基于顯著性檢測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；其中，所述圖像訓練樣本集中包括多個圖像訓練樣本；

顯著性檢測模塊，用于對所述圖像訓練樣本集中的所述圖像訓練樣本進行顯著性檢測，以得到顯著性檢測結果；

樣本優化模塊，用于根據所述顯著性檢測結果對所述圖像訓練樣本集中的所述圖像訓練樣本進行優化，以得到優化后的圖像訓練樣本集；具體包括：判斷所述顯著性檢測結果表示所述圖像訓練樣本的顯著性區域占其總區域的比例是否大于預設閾值；若是，則將所述圖像訓練樣本從所述圖像訓練樣本集中刪除；

圖像識別模型訓練模塊，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。

5.如權利要求4所述的裝置，其特征在于，所述裝置包括：

待識別圖像庫獲取模塊，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；

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。

6.如權利要求4所述的裝置，其特征在于，所述裝置包括：

模型建立模塊，用于建立支持向量機圖像識別模型；其中，所述支持向量機圖像識別模型包括多個代價函數；

權重確定模塊，用于根據所述顯著性檢測結果確定每個所述代價函數的權重；

多權重代價函數確定模塊，用于根據每個所述代價函數的權重確定多權重代價函數；

模型確定模塊，用于根據所述多權重代價函數確定所述初始圖像識別模型。

7.一種電子設備，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1-3中任一項所述的方法。

8.一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1-3中任一項所述的方法。