[發(fā)明專利]圖片識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110605499.9
• 申請(qǐng)日: 2021-05-31
• 公開（公告）號(hào): CN113392887A
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 張恒
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京東方億思知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 彭瓊

1.一種圖片識(shí)別方法，其特征在于，包括：

獲取待識(shí)別圖片；

將所述待識(shí)別圖片輸入至圖片識(shí)別模型的特征提取網(wǎng)絡(luò)中，通過所述特征提取網(wǎng)絡(luò)提取多尺度特征，其中，所述圖片識(shí)別模型包括所述特征提取網(wǎng)絡(luò)以及與所述特征提取網(wǎng)絡(luò)連接的全局識(shí)別網(wǎng)絡(luò)、局部識(shí)別網(wǎng)絡(luò)，且所述全局識(shí)別網(wǎng)絡(luò)用于基于圖片的全局圖像特征進(jìn)行圖片類型識(shí)別，所述局部識(shí)別網(wǎng)絡(luò)用于基于圖片的局部圖像特征進(jìn)行圖片類型識(shí)別，所述多尺度特征包括所述待識(shí)別圖片的全局圖像特征以及局部圖像特征；

將所述多尺度特征輸入至所述全局識(shí)別網(wǎng)絡(luò)中識(shí)別所述待識(shí)別圖片的第一類型信息，和/或，將所述多尺度特征輸入至所述局部識(shí)別網(wǎng)絡(luò)中識(shí)別所述待識(shí)別圖片的第二類型信息，其中，所述第一類型信息用于指示所述待識(shí)別圖片的全局圖像是否異常，所述第二類型信息用于：指示所述待識(shí)別圖片的局部圖像是否異常；

在所述第一類型信息指示異常和/或所述第二類型信息指示異常的情況下，確定所述待識(shí)別圖片為異常圖片。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待識(shí)別圖片，并將所述待識(shí)別圖片輸入至圖片識(shí)別模型中之前，還包括：

獲取訓(xùn)練樣本集；

將所述訓(xùn)練樣本集的圖片樣本輸入至包括所述特征提取網(wǎng)絡(luò)、所述全局識(shí)別網(wǎng)絡(luò)和所述局部識(shí)別網(wǎng)絡(luò)的待訓(xùn)練識(shí)別模型中，計(jì)算所述全局識(shí)別網(wǎng)絡(luò)和所述局部識(shí)別網(wǎng)絡(luò)的第一加權(quán)損失；

在所述第一加權(quán)損失未滿足預(yù)設(shè)條件的情況下，更新所述待訓(xùn)練識(shí)別模型中各網(wǎng)絡(luò)的參數(shù)，并將網(wǎng)絡(luò)參數(shù)更新后模型作為所述待訓(xùn)練識(shí)別模型，重新執(zhí)行將所述訓(xùn)練樣本集的圖片樣本輸入至所述待訓(xùn)練識(shí)別模型，直至所述第一加權(quán)損失滿足所述預(yù)設(shè)條件，得到所述圖片識(shí)別模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述在所述第一加權(quán)損失未滿足預(yù)設(shè)條件的情況下，更新所述待訓(xùn)練識(shí)別模型中各網(wǎng)絡(luò)的參數(shù)，并將網(wǎng)絡(luò)參數(shù)更新后模型作為所述待訓(xùn)練識(shí)別模型，重新執(zhí)行將所述訓(xùn)練樣本集的圖片樣本輸入至所述待訓(xùn)練識(shí)別模型，直至所述第一加權(quán)損失滿足所述預(yù)設(shè)條件，得到所述圖片識(shí)別模型，包括：

在所述待訓(xùn)練識(shí)別模型的特征提取網(wǎng)絡(luò)的參數(shù)為固定狀態(tài)的情況下，若所述第一加權(quán)損失未滿足預(yù)設(shè)條件且迭代次數(shù)未達(dá)到預(yù)設(shè)次數(shù)的情況下，更新所述待訓(xùn)練識(shí)別模型中的全局識(shí)別網(wǎng)絡(luò)和局部識(shí)別網(wǎng)絡(luò)的參數(shù)，并將網(wǎng)絡(luò)參數(shù)更新后模型作為所述待訓(xùn)練識(shí)別模型，重新執(zhí)行將所述訓(xùn)練樣本集的圖片樣本輸入至所述待訓(xùn)練識(shí)別模型，其中，所述迭代次數(shù)為更新所述待訓(xùn)練識(shí)別模型中的全局識(shí)別網(wǎng)絡(luò)和局部識(shí)別網(wǎng)絡(luò)的參數(shù)的次數(shù)；

在所述第一加權(quán)損失未滿足所述預(yù)設(shè)條件且所述迭代次數(shù)達(dá)到所述預(yù)設(shè)次數(shù)的情況下，設(shè)置所述特征提取網(wǎng)絡(luò)的參數(shù)為可更新狀態(tài)，并更新所述待訓(xùn)練識(shí)別模型中的特征提取網(wǎng)絡(luò)、全局識(shí)別網(wǎng)絡(luò)和局部識(shí)別網(wǎng)絡(luò)的參數(shù)，將網(wǎng)絡(luò)參數(shù)更新后模型作為所述待訓(xùn)練識(shí)別模型，重新執(zhí)行將所述訓(xùn)練樣本集的圖片樣本輸入至所述待訓(xùn)練識(shí)別模型，直至所述第一加權(quán)損失滿足所述預(yù)設(shè)條件，得到所述圖片識(shí)別模型。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取待識(shí)別圖片，并將所述待識(shí)別圖片輸入至圖片識(shí)別模型中之前，還包括：

在所述待訓(xùn)練識(shí)別模型中第一識(shí)別網(wǎng)絡(luò)的參數(shù)為固定狀態(tài)的情況下，將所述訓(xùn)練樣本集中與第二識(shí)別網(wǎng)絡(luò)對(duì)應(yīng)的圖片樣本輸入至所述第二識(shí)別網(wǎng)絡(luò)中，計(jì)算得到所述第二識(shí)別網(wǎng)絡(luò)的損失，其中，所述第一識(shí)別網(wǎng)絡(luò)為所述全局識(shí)別網(wǎng)絡(luò)和所述局部識(shí)別網(wǎng)絡(luò)中的任一識(shí)別網(wǎng)絡(luò)，所述第二識(shí)別網(wǎng)絡(luò)為所述全局識(shí)別網(wǎng)絡(luò)和所述局部識(shí)別網(wǎng)絡(luò)中除所述第一識(shí)別網(wǎng)絡(luò)之外的識(shí)別網(wǎng)絡(luò)；

在所述第二識(shí)別網(wǎng)絡(luò)的損失未達(dá)到預(yù)設(shè)條件的情況下，更新所述待訓(xùn)練識(shí)別模型中特征提取網(wǎng)絡(luò)和第二識(shí)別網(wǎng)絡(luò)的參數(shù)，并重新執(zhí)行將所述訓(xùn)練樣本集中與所述第二識(shí)別網(wǎng)絡(luò)對(duì)應(yīng)的圖片樣本輸入至所述第二識(shí)別網(wǎng)絡(luò)中；

在所述第二識(shí)別網(wǎng)絡(luò)的損失達(dá)到所述預(yù)設(shè)條件的情況下，設(shè)置所述第一識(shí)別網(wǎng)絡(luò)的參數(shù)為更新狀態(tài)以及所述第二識(shí)別網(wǎng)絡(luò)的參數(shù)為固定狀態(tài)，并將所述訓(xùn)練樣本集中與第一識(shí)別網(wǎng)絡(luò)對(duì)應(yīng)的圖片樣本輸入至所述第一識(shí)別網(wǎng)絡(luò)中，計(jì)算得到所述第一識(shí)別網(wǎng)絡(luò)的損失；

在所述第一識(shí)別網(wǎng)絡(luò)的損失未達(dá)到所述預(yù)設(shè)條件的情況下，更新所述待訓(xùn)練識(shí)別模型中特征提取網(wǎng)絡(luò)和第一識(shí)別網(wǎng)絡(luò)的參數(shù)，并重新執(zhí)行將所述訓(xùn)練樣本集中與所述第一識(shí)別網(wǎng)絡(luò)對(duì)應(yīng)的圖片樣本輸入至所述第一識(shí)別網(wǎng)絡(luò)中，直至所述第一識(shí)別網(wǎng)絡(luò)的損失達(dá)到所述預(yù)設(shè)條件，得到所述圖片識(shí)別模型。