[发明专利]一种图像识别方法和装置

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：

对待识别图像进行特征提取，得到待识别图像特征；

基于预先训练的图像识别模型中的分类子模型，对所述待识别图像特征进行分类处理，其中，所述图像识别模型还包括图像分割子模型，所述图像分割子模型用于对图像进行图像分割，所述图像识别模型的损失函数为基于所述分类子模型的损失函数和所述图像分割子模型的损失函数确定的；

基于所述分类子模型的输出结果，确定所述待识别图像中待识别对象的类别。

2.根据权利要求1所述的方法，其特征在于，所述分类子模型的输出结果包括所述待识别图像中待识别对象属于预设各类别的概率；

所述基于所述分类子模型的输出结果，确定所述待识别图像中待识别对象的类别，包括：

将所述预设各类别中概率最大对应的类别，确定为所述待识别图像中待识别对象的类别。

3.根据权利要求1所述的方法，其特征在于，所述图像识别模型还包括特征提取子模型；

所述图像识别模型的训练过程包括：

基于所述特征提取子模型对样本图像进行特征提取，得到样本图像特征；

将所述样本图像特征输入至所述分类子模型，得到所述分类子模型的第一损失函数；

将所述样本图像特征输入至所述图像分割子模型，得到所述图像分割子模型的第二损失函数；

基于预设权重，对所述第一损失函数和所述第二损失函数进行加权求和；

基于加权求和的结果，对所述图像识别模型的模型参数进行调整，直至所述图像识别模型达到预设收敛条件。

4.根据权利要求3所述的方法，其特征在于，所述将所述样本图像特征输入至所述图像分割子模型，得到所述图像分割子模型的第二损失函数，包括：

将所述样本图像特征输入至所述图像分割子模型；

基于所述图像分割子模型的输出结果，以及标记的所述样本图像中的像素点属于所述样本图像显示的对象的概率，生成所述图像分割子模型的损失函数，作为第二损失函数。

5.一种图像识别装置，其特征在于，所述装置包括：

特征提取模块，用于对待识别图像进行特征提取，得到待识别图像特征；

处理模块，用于基于预先训练的图像识别模型中的分类子模型，对所述待识别图像特征进行分类处理，其中，所述图像识别模型还包括图像分割子模型，所述图像分割子模型用于对图像进行图像分割，所述图像识别模型的损失函数为基于所述分类子模型的损失函数和所述图像分割子模型的损失函数确定的；

确定模块，用于基于所述分类子模型的输出结果，确定所述待识别图像中待识别对象的类别。

6.根据权利要求5所述的装置，其特征在于，所述分类子模型的输出结果包括所述待识别图像中待识别对象属于预设各类别的概率；

所述确定模块，具体用于将所述预设各类别中概率最大对应的类别，确定为所述待识别图像中待识别对象的类别。

7.根据权利要求5所述的装置，其特征在于，所述图像识别模型还包括特征提取子模型；

所述装置还包括：

训练模块，用于基于所述特征提取子模型对样本图像进行特征提取，得到样本图像特征；

将所述样本图像特征输入至所述分类子模型，得到所述分类子模型的第一损失函数；

将所述样本图像特征输入至所述图像分割子模型，得到所述图像分割子模型的第二损失函数；

基于预设权重，对所述第一损失函数和所述第二损失函数进行加权求和；

基于加权求和的结果，对所述图像识别模型的模型参数进行调整，直至所述图像识别模型达到预设收敛条件。

8.根据权利要求7所述的装置，其特征在于，所述训练模块，具体用于将所述样本图像特征输入至所述图像分割子模型；

基于所述图像分割子模型的输出结果，以及标记的所述样本图像中的像素点属于所述样本图像显示的对象的概率，生成所述图像分割子模型的损失函数，作为第二损失函数。