[发明专利]街景识别方法和系统

说明书

本申请涉及数据处理技术领域，尤其涉及一种街景识别模型的训练方法，包括：获取本轮训练使用的训练样本对；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行对比得到的对比结构，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练；经过对所述神经网络的多轮训练，得到街景识别模型。利用本申请方案提供的街景识别模型的训练方式，可以得到识别准确性高的街景识别模型。本申请还提供了一种街景识别模型的训练系统、一种街景识别方法、系统和电子设备。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种街景识别方法和系统。

背景技术

随着社会的发展，手机等电子设备以及互联网与计算机技术的日益完善，图像数据和视频数据也随之成指数增长。如何有效利用丰富的图像和视频资源，是当前大数据时代面临的挑战。基于图像内容的图像检索及图像识别技术是图像数据处理的关键技术，不仅如此，图像检索技术和图像识别技术在实际生活中也有着重要的应用，如停车场车牌识别，或者以某辆车、某个人或某个物体为目标对象进行识别，可以为警方破案提供关键线索。我们也可以随时随地的拍摄自己喜欢的物品，并且在网络商城进行查找，因此图像检索技术以及图像识别技术具有广泛的应用前景。

但是由于目标对象的类别繁多，且每一种类别的目标对象具有多种形态，在对目标对象的图像进行匹配识别的过程中，往往难以保证图像识别的准确性。

发明内容

有鉴于此，本申请实施例提供一种街景识别方法和系统，可以增加图像识别过程中的准确性，为用户提供便利。

本申请实施例提供了一种街景识别模型的训练方法，所述方法包括：

获取本轮训练使用的训练样本对；其中，所述训练样本对包括两个相同和/或不同的街景图像；

将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；

将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并

根据匹配结果对所述神经网络进行本轮训练；

经过对所述神经网络的多轮训练，得到街景识别模型。

上述技术方案中，所述神经网络包括孪生Siamese网络；

将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：

将获取的至少一个训练样本对中的每个训练样本对分别输入Siamese网络的两个入口，并使用所述Siamese网络分别为输入的训练样本对确定第一特征向量和第二特征向量；

将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：

执行如下匹配操作，直到第一特征向量和第二特征向量的比对结果与对应训练样本对的标注值一致，则完成本轮训练；其中，所述标注值表征对应训练样本对相似或者不相似；

所述匹配操作包括：

将所述第一特征向量和所述第二特征向量进行比对，得到比对结果；

将所述比对结果与对应训练样本对的标注值进行匹配；

针对标注值表征对应训练样本对的匹配情况与所述比对结果表征的匹配情况不一致的情况，生成第一反馈信息；并