[发明专利]目标图像识别方法、模型训练方法、装置、设备和介质

权利要求书

1.一种目标图像识别方法，包括：

对于图像组中的每个图像，将该图像输入至预先训练的图像特征提取模型以生成该图像对应的图像特征，得到图像特征组，其中，所述预先训练的图像特征提取模型包括：第一损失函数和第二损失函数，所述第一损失函数用于对不同角度和形态的图像进行修正，所述第二损失函数用于对不同背景和颜色的图像进行修正；

将所述图像特征组中每个图像特征与预设的图像特征进行对比以生成对比结果，得到对比结果集合；

响应于确定所述对比结果集合中的对比结果满足第一预定条件，将所满足第一预定条件的对比结果对应的图像确定为目标图像。

2.一种图像特征提取模型训练方法，包括：

基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练，得到训练后的图像特征提取模型，作为第一图像特征提取模型，其中，所述第一损失函数用于对不同角度和形态的图像进行修正；

将预设的第二损失函数添加至所述第一图像特征提取模型中，得到添加后的图像特征提取模型，作为第二图像特征提取模型，其中，所述第二损失函数用于对不同背景和颜色的图像进行修正；

利用所述训练样本集，对所述第二图像特征提取模型进行模型调整，得到调整后的图像特征提取模型，作为第三图像特征提取模型；

对所述第三图像特征提取模型进行网络结构提取，得到图像特征提取模型，其中，所述图像特征提取模型用于对图像进行特征提取。

3.根据权利要求2所述的方法，其中，在所述基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练之前，所述方法还包括：

获取待训练样本集，其中，所述待训练样本集中的训练样本包括：样本图像和样本图像的标签，所述标签包括所述样本图像的识别结果。

4.根据权利要求3所述的方法，其中，在所述基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练之前，所述方法还包括：

对所述待训练样本集进行样本增强，得到增强后的训练样本集，作为所述训练样本集。

5.根据权利要求4所述的方法，其中，所述样本图像的识别结果包括图像的二值图像；以及

所述基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练，得到训练后的图像特征提取模型，包括：

从所述训练样本集中选取训练样本；

将所选取的训练样本包括的样本图像输入至所述初始图像特征提取模型，以生成实际二值图像；

基于所述第一损失函数，确定所述实际二值图像和所述标签包括的二值图像的差异，得到第一损失值；

响应于确定所述第一损失值不满足第二预定条件，基于所述第一损失值，调整所述初始图像特征提取模型的第一参数。

6.根据权利要求5所述的方法，其中，所述基于训练样本集和预设的第一损失函数，对初始图像特征提取模型进行训练，得到训练后的图像特征提取模型，还包括：

响应于确定所述第一损失值满足所述第二预定条件，将所述初始图像特征提取模型确定为训练后的图像特征提取模型。

7.根据权利要求6所述的方法，其中，所述样本图像的识别结果包括识别特征三元组；以及

所述利用所述训练样本集，对所述第二图像特征提取模型进行模型调整，得到调整后的图像特征提取模型，包括：

从所述训练样本集中选取训练样本；

将所选取的训练样本包括的样本图像输入至所述第二图像特征提取模型，得到实际识别特征三元组；

基于所述第一损失函数，确定所述实际二值图像和所述标签包括的二值图像的差异，得到第二损失值；

基于所述第二损失函数，确定所述实际识别特征三元组和所述标签包括的识别特征三元组的差异，得到第三损失值；

响应于确定所述第二损失值和所述第三损失值不满足第三预定条件，基于所述第二损失值，调整所述第二图像特征提取模型的所述第一参数和第二参数。