[发明专利]图像识别方法、装置、计算机设备及计算机可读存储介质

说明书

本发明公开一种图像识别方法、装置、计算机设备及计算机可读存储介质。该图像识别方法包括：获取待识别图像；通过预先训练的检测模型，对所述待识别图像中包含的目标对象进行定位，并确定所述目标对象与所述检测模型中的各分类相匹配的概率；以及当所述概率的至少其中之一处于预设范围时，通过预先训练的特征模型，对所述目标对象进行特征提取，并根据提取出的特征数据，确定所述目标对象的最终分类。根据本发明提供的图像识别方法，能够有效地提升图像识别的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像识别方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着计算机视觉技术的诞生和发展，由机器代替人工对图片中的目标进行识别与分类，可以极大地节约时间及人力成本。然而，现阶段机器发生误识别的概率仍然较大。

需要说明的是，在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种图像识别方法、装置、计算机设备及计算机可读存储介质。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种图像识别方法，包括：获取待识别图像；通过预先训练的检测模型，对所述待识别图像中包含的目标对象进行定位，并确定所述目标对象与所述检测模型中的各分类相匹配的概率；以及当所述概率的至少其中之一处于预设范围时，通过预先训练的特征模型，对所述目标对象进行特征提取，并根据提取出的特征数据，确定所述目标对象的最终分类。

根据本发明的一实施方式，所述检测模型为基于二阶段模型框架的检测模型；确定所述目标对象与所述检测模型中的各分类相匹配的概率包括：将定位出的所述目标对象输入经训练的卷积神经网络中进行分类，以确定所述目标对象与所述检测模型中的各分类相匹配的概率。

根据本发明的一实施方式，所述卷积神经网络的训练样本包括对原始训练图像进行下述至少一种操作而获得的新图像：翻转、旋转、模糊、缩放、截取、变换颜色、变换明暗度、变换对比度、变换饱和度。

根据本发明的一实施方式，根据提取出的特征数据，确定所述目标对象的最终分类包括：在所述特征模型中，确定与所述目标对象的特征数据集欧式距离最小的特征数据簇；以及确定所述特征数据簇对应的分类为所述目标对象的最终分类。

根据本发明的一实施方式，所述特征模型中的各特征数据簇是基于聚类算法对各分类的多个特征数据集进行预先训练确定的；其中，各特征数据簇间的最小欧氏距离大于预设的第一阈值，每个特征数据簇中特征数据间的最大欧氏距离小于预设的第二阈值。

根据本发明的一实施方式，所述方法还包括：根据所述目标对象的分类，在预先建立的知识图谱中检索并输出所述分类的关联信息。

根据本发明的一实施方式，所述分类的关联信息包括：所述分类的背景信息及各分类之间的关系信息。

根据本发明的另一方面，提供一种图像识别装置，包括：图像获取模块，用于获取待识别图像；目标检测模块，用于通过预先训练的检测模型，对所述待识别图像中包含的目标对象进行定位，并确定所述目标对象与所述检测模型中的各分类相匹配的概率；以及分类确定模块，用于当所述概率的至少其中之一处于预设范围时，通过预先训练的特征模型，对所述目标对象进行特征提取，并根据提取出的特征数据，确定所述目标对象的最终分类。

根据本发明的再一方面，提供一种计算机设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，所述处理器执行所述可执行指令时实现上述任一种图像识别方法。