[发明专利]图像识别和神经网络模型的训练方法、装置和系统

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取待处理图像组；所述待处理图像组包括属于同一对象的多个待处理图像；

将所述待处理图像组输入神经网络模型中，输出所述待处理图像组的目标融合特征；所述神经网络模型包括至少一个卷积块、一个特征融合块和一个全局处理块；所述特征融合块位于任一卷积块之后，且位于所述全局处理块之前，用于对所述待处理图像组中各待处理图像经过卷积处理得到的中间特征进行融合处理，得到所述待处理图像组的中间融合特征；进行融合处理得到的所述中间融合特征中包括各脸部底库图像的特征中的特有对象信息，用于实现各所述脸部底库图像的互补；所述全局处理块用于对所述中间融合特征或经过卷积处理后的中间融合特征进行全局处理，得到所述目标融合特征；

采用所述待处理图像组对应的目标融合特征，进行所述对象相关的图像识别处理；

所述神经网络模型包括依次连接的一个卷积网络、所述特征融合块和所述全局处理块，所述卷积网络包括至少一个所述卷积块；所述将所述待处理图像组输入神经网络模型中，输出所述待处理图像组的目标融合特征，包括：

将所述待处理图像组中各待处理图像分别输入所述卷积网络中进行特征提取处理，分别得到各所述待处理图像的中间特征；

将各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征；所述特征融合块还用于获取各所述待处理图像的中间特征中该特征位的各个特征值，并对各所述特征值进行融合处理，得到融合处理后的融合值，将所述融合值确定为所述中间融合特征中该特征位的特征值；

将所述待处理图像组的中间融合特征输入所述全局处理块中进行全局处理，输出所述全局处理后得到的目标融合特征；

所述待处理图像的中间特征为对应多个通道的多个中间特征；各所述待处理图像的中间特征为相同大小，存在相应的特征位；所述将各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：

将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征；其中，每个通道对应一个中间融合特征。

2.根据权利要求1所述的方法，其特征在于，所述将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：

将属于同一通道的各所述待处理图像的中间特征中的相应特征位进行按位运算，将所述按位运算得到的结果作为所述待处理图像组的中间融合特征；所述按位运算包括以下内容中的至少一种：计算各相应特征位的算数平均值、计算各相应特征位的最大值、计算各相应特征位的归一化指数平均值。

3.根据权利要求1所述的方法，其特征在于，所述特征融合块包括至少一个全连接层，所述将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：

将各所述待处理图像的中间特征输入所述至少一个全连接层进行全连接处理，得到各所述待处理图像的中间特征中各特征位的注意力系数；

根据各所述待处理图像的中间特征中各相应特征位的注意力系数，对各所述待处理图像的中间特征中的相应特征位进行加权求和运算，将所述加权求和运算得到的结果作为所述待处理图像组的中间融合特征。

4.根据权利要求3所述的方法，其特征在于，根据各所述待处理图像的中间特征中各相应特征位的注意力系数，对各所述待处理图像的中间特征中的相应特征位进行加权求和运算，包括：

采用归一化指数函数对各所述待处理图像的中间特征中各相应特征位的注意力系数进行归一化，将归一化的结果作为各所述待处理图像的中间特征中各相应特征位的权值；

采用各所述待处理图像的中间特征中各相应特征位的权值，对各所述待处理图像的中间特征中的相应特征位进行加权求和运算。