[發(fā)明專利]圖像識別方法、裝置、存儲介質(zhì)和計算機程序產(chǎn)品

在審

• 申請?zhí)枺?/td>: 202111193404.3
• 申請日: 2021-10-13
• 公開（公告）號: CN113947204A
• 公開（公告）日: 2022-01-18
• 發(fā)明（設(shè)計）人: 楊馥魁
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06V10/774;G06K9/62
• 代理公司: 北京博浩百睿知識產(chǎn)權(quán)代理有限責(zé)任公司 11134
• 代理人: 豐佩印

本公開提供了一種圖像識別方法、裝置、存儲介質(zhì)和計算機程序產(chǎn)品，涉及人工智能技術(shù)領(lǐng)域，具體為計算機視覺和深度學(xué)習(xí)技術(shù)領(lǐng)域，可應(yīng)用于圖像處理、圖像識別等場景。一種圖像識別方法，包括：獲取目標(biāo)圖像；利用第一圖像識別模型對目標(biāo)圖像進行處理，得到目標(biāo)圖像的識別結(jié)果，其中，第一圖像識別模型通過樣本圖像的特征圖、空間掩碼和通道掩碼進行訓(xùn)練得到。上述方法能夠得到更精確的圖像識別結(jié)果。

技術(shù)領(lǐng)域

本公開涉及人工智能領(lǐng)域，具體為計算機視覺和深度學(xué)習(xí)技術(shù)領(lǐng)域，可應(yīng)用于圖像處理、圖像識別等場景，具體涉及一種圖像識別方法、裝置、存儲介質(zhì)和計算機程序產(chǎn)品。

背景技術(shù)

目前，使用神經(jīng)網(wǎng)絡(luò)解決一個復(fù)雜的問題，該神經(jīng)網(wǎng)絡(luò)的體積是非常巨大的，可能包含百萬個參數(shù)。例如，著名的BERT模型約有1億1千萬參數(shù)。如果有一個非常復(fù)雜的任務(wù)，通過建立一個模型集合來平衡模型集合中每個模型的缺陷，得到的模型性能非常出色，但卻因為體量太大，無法部署到生產(chǎn)環(huán)境中。

針對上述情況，可以采用蒸餾技術(shù)，即訓(xùn)練一個性能好的大網(wǎng)絡(luò)模型，也稱之為教師模型，然后基于該教師模型輸出的特征監(jiān)督一個小網(wǎng)絡(luò)模型，也稱之為學(xué)生模型的訓(xùn)練，使得該小網(wǎng)絡(luò)模型的性能接近上述大網(wǎng)絡(luò)模型。但現(xiàn)有的蒸餾方法訓(xùn)練出的模型存在精度差或難以收斂的問題。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本公開提供了一種用于圖像識別的方法、裝置、電子設(shè)備、存儲介質(zhì)以及計算機程序。

根據(jù)本公開的第一方面，提供了一種圖像識別方法，包括：獲取目標(biāo)圖像；利用第一圖像識別模型對目標(biāo)圖像進行處理，得到目標(biāo)圖像的識別結(jié)果，其中，第一圖像識別模型通過樣本圖像的特征圖、空間掩碼和通道掩碼進行訓(xùn)練得到。

可選的，該方法還包括：獲取樣本圖像；分別利用第一圖像識別模型和第二圖像識別模型對樣本圖像進行特征提取，得到樣本圖像的第一特征圖和第二特征圖，其中，第二圖像識別模型為已經(jīng)訓(xùn)練好的模型；基于第一特征圖和第二特征圖，生成空間掩碼和通道掩碼；基于第一特征圖、第二特征圖、空間掩碼和通道掩碼，對第一圖像識別模型進行調(diào)整。

可選的，基于第一特征圖和第二特征圖，生成空間掩碼和通道掩碼包括：分別對第一特征圖和第二特征圖進行卷積，得到第一特征矩陣和第二特征矩陣；基于第一特征矩陣和第二特征矩陣中空間維度的特征值，生成空間掩碼；基于第一特征矩陣和第二特征矩陣中通道維度的特征值，生成通道掩碼。

可選的，基于第一特征矩陣和第二特征矩陣中空間維度的特征值，生成空間掩碼包括：獲取第一特征矩陣中空間維度的特征值的平均值，得到第一空間權(quán)重矩陣；獲取第二特征矩陣中空間維度的特征值的平均值，得到第二空間權(quán)重矩陣；對第一空間權(quán)重矩陣、第二空間權(quán)重矩陣和第一特征矩陣進行歸一化指數(shù)處理，得到第一歸一化指數(shù)矩陣；獲取第一歸一化指數(shù)矩陣與樣本圖像的空間參數(shù)值的乘積，得到空間掩碼。

可選的，對第一空間權(quán)重矩陣、第二空間權(quán)重矩陣和第一特征矩陣進行歸一化指數(shù)處理，得到第一歸一化指數(shù)矩陣包括：獲取第一空間權(quán)重矩陣與第二空間權(quán)重矩陣之和，得到第一運算矩陣；獲取第一運算矩陣與第一特征矩陣的比值，得到第二運算矩陣；對第二運算矩陣進行歸一化指數(shù)處理，得到第一歸一化指數(shù)矩陣。

可選的，基于第一特征矩陣和第二特征矩陣中通道維度的特征值，生成通道掩碼包括：獲取第一特征矩陣中通道維度的特征值的平均值，得到第一通道權(quán)重矩陣；獲取第二特征矩陣中通道維度的特征值的平均值，得到第二通道權(quán)重矩陣；對第一通道權(quán)重矩陣、第二通道權(quán)重矩陣和第一特征矩陣進行歸一化指數(shù)處理，得到第二歸一化指數(shù)矩陣；獲取第二歸一化指數(shù)矩陣與樣本圖像的通道參數(shù)值的乘積，得到通道掩碼。