[發明專利]目標識別模型的訓練方法、識別方法、裝置、設備

在審

• 申請號: 202011248507.0
• 申請日: 2020-11-10
• 公開（公告）號: CN114549919A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 陳蕾;王鑫;劉虹;夏敬侃;盧永頔;隋亞芹;姜寧;蘭天;劉煜;張雷
• 申請（專利權）人: 中移動信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 彭瓊

1.一種目標識別模型的訓練方法，其特征在于，所述方法包括：

獲取圖像數據；

根據預設的多層分類網絡中的每層分類網絡以及預設的與所述每層分類網絡對應的補償模型對所述圖像數據進行計算，得到至少一種第一分類結果；

根據所述第一分類結果從所述圖像數據中確定與所述第一分類結果對應的第一目標圖像數據；

基于預設的神經網絡對所述第一目標圖像數據進行計算，得到第一識別結果；

根據所述第一分類結果和所述第一識別結果對包括所述多層分類網絡和所述神經網絡的模型進行訓練，得到目標識別模型。

2.根據權利要求1所述的方法，其特征在于，所述圖像數據包括目標軟件的圖像信息；所述基于預設的神經網絡對所述第一目標圖像數據進行計算，得到第一識別結果，包括：

將所述第一目標圖像數據劃分為預設數量的候選區域；

對每個所述候選區域包括的第二目標圖像數據進行目標檢測，確定存在目標軟件的至少一個目標候選區域；

對每個所述目標候選區域包括的第三目標圖像數據進行類別識別，確定所述目標候選區域中包括所述目標軟件的類別概率；

根據每個所述目標候選區域的類別概率確定所述圖像數據的第一識別結果，其中，所述第一識別結果包括所述目標軟件在所述圖像數據中的位置信息。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

對每個所述候選區域包括的第二目標圖像數據進行目標檢測，確定所述候選區域中目標軟件的存在概率；

當所述存在概率滿足閾值時，確定所述候選區域為存在目標軟件的目標候選區域。

4.根據根據權利要求3所述的方法，其特征在于，所述方法還包括：

根據每個所述目標候選區域的存在概率和類別概率確定所述圖像數據的第一識別結果。

5.根據權利要求1所述的方法，其特征在于，根據所述第一分類結果和所述第一識別結果對包括所述多層分類網絡和所述神經網絡的模型進行訓練，得到目標識別模型，包括：

根據所述第一分類結果對所述多層分類網絡進行訓練，以及根據所述第一識別結果對所述神經網絡進行訓練；

根據訓練后的多層分類網絡輸出的第二分類結果與預先存儲的與所述圖像數據對應的預設分類結果確定分類損失值；

根據訓練后的神經網絡輸出的第二識別結果與預先存儲的與所述圖像數據對應的預設識別結果確定識別損失值；

當所述分類損失值和所述識別損失值滿足預設條件時，將包括訓練后的多層分類網絡和訓練后的神經網絡的模型作為所述目標識別模型。

6.一種目標的識別方法，其特征在于，所述識別方法包括：

獲取圖像數據；

使用目標識別模型對所述圖像數據進行計算，得到識別結果，其中，所述目標識別模型是基于權利要求1至5中任意一項所述的目標識別模型的訓練方法得到的。

7.一種目標識別模型的訓練裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取圖像數據；

處理模塊，用于根據預設的多層分類網絡中的每層分類網絡以及預設的與所述每層分類網絡對應的補償模型對所述圖像數據進行計算，得到至少一種第一分類結果；

所述處理模塊，還用于根據所述第一分類結果從所述圖像數據中確定第一目標圖像數據；

所述處理模塊，還用于基于預設的神經網絡對所述第一目標圖像數據進行計算，得到第一識別結果；

所述處理模塊，還用于根據所述第一分類結果和所述第一識別結果對包括所述多層分類網絡和所述神經網絡的模型進行訓練，得到目標識別模型。

8.一種目標識別的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取圖像數據；

處理模塊，用于使用目標識別模型對所述圖像數據進行計算，得到識別結果，其中，所述目標識別模型是基于權利要求1至5中任意一項所述的目標識別模型的訓練方法得到的。