[发明专利]识别方法、装置、设备及存储介质

权利要求书

1.一种识别方法，其特征在于，包括：

获得第一图像，所述第一图像为包含目标对象的图像；

对所述第一图像的风格进行转换，得到第二图像，所述第二图像为与所述第一图像的风格不同且包含所述目标对象的图像；

根据所述第一图像以及所述第二图像，对识别模型进行训练，所述识别模型用于对第三图像中的所述目标对象进行识别。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一图像的风格进行转换，得到第二图像，包括：

将所述第一图像输入至生成模型，得到所述第二图像，所述生成模型用于对输入图像的风格进行转换，得到与输入图像风格不同的第二图像。

3.根据权利要求2所述的方法，其特征在于，所述生成模型为基于生成式对抗网络GAN实现的模型。

4.根据权利要求3所述的方法，其特征在于，所述GAN包括生成器和判别器，所述将所述第一图像输入至生成模型，得到所述第二图像之前，还包括：

通过所述生成器，生成与第一风格的第一样本图像对应的生成图像；所述生成图像的风格为第二风格，且所述第二风格与所述第一风格不同；

将所述生成图像以及与所述生成图像对应的第一标签作为第一对输入，将所述第二风格的第二样本图像以及与所述第二样本图像对应的第二标签作为第二对输入，分别输入至所述判别器，并根据所述判别器的输出得到所述GAN的总体损失；

根据所述总体损失对所述GAN的网络参数进行优化，得到所述生成模型。

5.根据权利要求4所述的方法，其特征在于，所述GAN还包括编码器，所述将所述第一图像输入至生成模型，得到所述第二图像之前，还包括：

将所述第一样本图像输入至所述编码器，得到所述第一样本图像的编码向量；

通过所述生成器，生成与第一风格的第一样本图像对应的生成图像，包括：将所述第一样本图像的编码向量输入至所述生成器，得到与第一风格的第一样本图像对应的生成图像。

6.根据权利要求5所述的方法，其特征在于，所述GAN的总体损失根据所述编码器的损失、所述生成器和所述判别器共同的损失以及所述生成器的损失三者加权求和确定。

7.一种识别装置，其特征在于，包括：

获得模块，被配置为获得第一图像，所述第一图像为包含目标对象的图像；

转换模块，被配置为对所述第一图像的风格进行转换，得到第二图像，所述第二图像为与所述第一图像的风格不同且包含所述目标对象的图像；

训练模块，被配置为根据所述第一图像以及所述第二图像，对识别模型进行训练，所述识别模型用于对第三图像中的所述目标对象进行识别。

8.根据权利要求7所述的装置，其特征在于，所述转换模块，包括模型子模块，被配置为将所述第一图像输入至生成模型，得到所述第二图像，所述生成模型用于对输入图像的风格进行转换，得到与输入图像风格不同的第二图像。

9.根据权利要求8所述的装置，其特征在于，所述生成模型为基于生成式对抗网络GAN实现的模型。

10.根据权利要求9所述的装置，其特征在于，所述GAN包括生成器和判别器，所述装置还包括：得到模块，被配置为：

通过所述生成器，生成与第一风格的第一样本图像对应的生成图像；所述生成图像的风格为第二风格，且所述第二风格与所述第一风格不同；

将所述生成图像以及与所述生成图像对应的第一标签作为第一对输入，将所述第二风格的第二样本图像以及与所述第二样本图像对应的第二标签作为第二对输入，分别输入至所述判别器，并根据所述判别器的输出得到所述GAN的总体损失；

根据所述总体损失对所述GAN的网络参数进行优化，得到所述生成模型。