[发明专利]识别方法、装置、设备及存储介质

说明书

本公开是关于一种识别方法、装置、设备及存储介质。该方法包括：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。本公开提高了训练得到的识别模型识别第三图像中目标对象的准确性。

技术领域

本公开涉及识别技术领域，尤其涉及一种识别方法、装置、设备及存储介质。

背景技术

通常，可以根据对象的特征信息进行对象识别。例如，可以基于人的脸部特征信息进行人脸识别。

相关技术中，可以通过包括目标对象的图像，对识别模型进行训练，使得识别模型可以对目标对象进行识别。其中，对识别模型进行训练所使用的图像，均是通过拍摄获得的图像。

发明内容

为克服相关技术中存在的问题，本公开提供一种识别方法、装置、设备及存储介质。

根据本公开实施例的第一方面，提供一种识别方法，包括：

获得第一图像，第一图像为包含目标对象的图像；

对第一图像的风格进行转换，得到第二图像，第二图像为与第一图像的风格不同且包含目标对象的图像；

根据第一图像以及第二图像，对识别模型进行训练，识别模型用于对第三图像中的目标对象进行识别。

可选的，对第一图像的风格进行转换，得到第二图像，包括：

将第一图像输入至生成模型，得到第二图像，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。

可选的，生成模型为基于生成式对抗网络GAN实现的模型。

可选的，GAN包括生成器和判别器，将第一图像输入至生成模型，得到第二图像之前，还包括：

通过生成器，生成与第一风格的第一样本图像对应的生成图像；生成图像的风格为第二风格，且第二风格与第一风格不同；

将生成图像以及与生成图像对应的第一标签作为第一对输入，将第二风格的第二样本图像以及与第二样本图像对应的第二标签作为第二对输入，分别输入至判别器，并根据判别器的输出得到GAN的总体损失；

根据总体损失对GAN的网络参数进行优化，得到生成模型。

可选的，GAN还包括编码器，将第一图像输入至生成模型，得到第二图像之前还包括：

将第一样本图像输入至编码器，得到第一样本图像的编码向量；

通过生成器，生成与第一风格的第一样本图像对应的生成图像，包括：将第一样本图像的编码向量输入至生成器，得到与第一风格的第一样本图像对应的生成图像。

可选的，GAN的总体损失根据编码器的损失、生成器和判别器共同的损失以及生成器的损失三者加权求和确定。

根据本公开实施例的第二方面，提供一种识别装置，包括：

获得模块，被配置为获得第一图像，第一图像为包含目标对象的图像；

转换模块，被配置为对第一图像的风格进行转换，得到第二图像，第二图像为与第一图像的风格不同且包含目标对象的图像；

训练模块，被配置为根据第一图像以及第二图像，对识别模型进行训练，识别模型用于对第三图像中的目标对象进行识别。

可选的，转换模块，包括模型子模块，被配置为将第一图像输入至生成模型，得到第二图像，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。