[发明专利]一种图像识别方法、装置、计算机设备及存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取包含目标对象的第一图像和第二图像，所述第一图像为标注有所述目标对象的目标类别和目标位置的图像；

通过初始识别模型对所述第一图像中的所述目标对象进行类别和位置预测，得到第一预测类别和第一预测位置；

将所述第一预测类别与所述目标类别进行收敛，以及将所述第一预测位置与所述目标位置进行收敛，以调整所述初始识别模型的第一参数，以及通过所述初始识别模型识别所述第一图像对应的第一特征信息和所述第二图像对应的第二特征信息所属的源域图像或目标域图像，得到识别结果；根据所述识别结果对所述第一图像和所述第二图像的类型进行对抗学习，以调整所述初始识别模型的第二参数，得到候选识别模型；

通过所述候选识别模型获取所述第二图像中所述目标对象对应的分值最高的类别和位置分别作为伪目标类别和伪目标位置；

将所述第二图像输入所述候选识别模型进行类别和位置预测，得到第二预测类别和第二预测位置；

将所述第二预测类别与所述伪目标类别进行收敛，以及将所述第二预测位置与所述伪目标位置进行收敛，以对所述候选识别模型进行训练，得到训练后识别模型，以通过所述训练后识别模型对图像中目标对象的类别和位置进行识别。

2.根据权利要求1所述的图像识别方法，其特征在于，所述通过初始识别模型对所述第一图像中的所述目标对象进行类别和位置预测，得到第一预测类别和第一预测位置包括：

通过所述初始识别模型对所述第一图像进行特征提取，得到所述第一图像对应的第一特征信息；

通过所述初始识别模型基于所述第一特征信息对所述第一图像中的所述目标对象进行类别和位置预测，得到第一预测类别和第一预测位置。

3.根据权利要求2所述的图像识别方法，其特征在于，所述初始识别模型包括低层特征值提取模块，所述低层特征值提取模块包括由四个残差卷积模块组成的编码器，所述通过所述初始识别模型对所述第一图像进行特征提取，得到所述第一图像对应的第一特征信息包括：

依次通过所述编码器的四个残差卷积模块对所述第一图像进行卷积操作，以提取所述第一图像对应的第一特征信息。

4.根据权利要求2所述的图像识别方法，其特征在于，所述初始识别模型包括对象分类模块，所述对象分类模块包括二分类任务分支网络、位置预测任务分支网络和类别分类任务分支网络，所述通过所述初始识别模型基于所述第一特征信息对所述第一图像中的所述目标对象进行类别和位置预测，得到第一预测类别和第一预测位置包括：

通过所述二分类任务分支网络基于所述第一特征信息对所述第一图像中的所述目标对象进行二分类，得到二分类结果；

通过所述位置预测任务分支网络基于所述第一特征信息和所述二分类结果，对所述第一图像中的所述目标对象的边界到所述目标对象中心的水平方向和垂直方向距离进行预测，得到所述目标对象在所述第一图像中的第一预测位置；

通过所述类别分类任务分支网络基于所述第一特征信息和所述二分类结果，对所述第一图像中的所述目标对象进行类别预测，得到所述目标对象的第一预测类别。