[发明专利]一种图像识别模型的训练方法、图像识别的方法及装置

说明书

本申请公开了一种基于机器学习技术实现的模型训练方法，本申请包括获取待训练内容样本图像及待训练风格样本图像；根据待训练内容样本图像以及待训练风格样本图像生成待训练模拟样本图像；通过待训练图像识别模型获取待训练模拟样本图像的第一预测场景标签及第一预测风格标签；通过待训练图像识别模型获取待训练风格样本图像的第二预测场景标签及第二预测风格标签；根据预测标签和标注标签对待训练图像识别模型的模型参数进行更新，直至满足模型训练条件，输出图像识别模型。本申请还提供图像识别的方法及装置。本申请利用已标注的图像样本扩展出更多属于目标域的样本图像，满足目标域中不同场景数据的收集需求，提升图像识别模型的泛化能力。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种图像识别模型的训练方法、图像识别的方法及装置。

背景技术

视频理解和图像理解的首要任务是进行场景识别，场景识别是一种用计算机实现人的视觉功能的技术，它的目的是使计算机能够对图像或视频进行处理，自动识别图像或视频中的场景。随着深度学习的发展，使用深度学习方法训练图像识别模型，以解决场景识别问题已越来越普遍。

在场景识别中存在领域问题，即常规场景训练数据是真人场景下的图像，而且一部分场景是动画、漫画和漫画（Animation Comics Games，ACG）类型的，在新领域中的场景特征有时会跟原领域差异非常大。考虑到ACG场景的样本量不足，如何有效利用大量真实图像样本提升图像识别模型的泛化能力是一个重要问题。目前，可采用基于降雨图像生成对抗网络（Image De-raining Using a Conditional Generative Adversarial Network，ID-CGAN），即通过下雨场景生成不下雨场景的方法。

然而，ID-CGAN方法过于定制化，单个模型只能完成一种特定性场景（例如，雨景）的转换，对于一个特定场景而言，需要大量的数据训练，如果扩展到ACG中的多个场景，则需要的标注数量规模会非常大，无法满足ACG中各式各样场景的数据收集需求，因此，训练得到的图像识别模型往往具有较差的泛化能力。

发明内容

本申请实施例提供了一种图像识别模型的训练方法、图像识别的方法及装置，在无需人力标注样本图像的情况下，有效利用已标注的图像样本扩展出更多属于目标域的样本图像，由此，满足属于目标域中不同场景数据的收集需求，从而有助于提升图像识别模型的泛化能力。

有鉴于此，本申请一方面提供一种图像识别模型的训练方法，包括：

获取待训练内容样本图像以及待训练风格样本图像，其中，待训练内容样本图像具有已标注的第一场景标签以及已标注的第一风格标签，待训练风格样本图像具有已标注的第二场景标签以及已标注的第二风格标签，第一风格标签与第二风格标签属于不同的风格标签类型；

根据待训练内容样本图像以及待训练风格样本图像，生成待训练模拟样本图像，其中，待训练模拟样本图像具有第一场景标签以及第二风格标签；

基于待训练模拟样本图像，通过待训练图像识别模型获取待训练模拟样本图像的第一预测场景标签以及第一预测风格标签；

基于待训练风格样本图像，通过待训练图像识别模型获取待训练风格样本图像的第二预测场景标签以及第二预测风格标签；

根据待训练模拟样本图像的第一场景标签、第一预测场景标签、待训练模拟样本图像的第二风格标签、第一预测风格标签、待训练风格样本图像的第二场景标签、第二预测场景标签、待训练风格样本图像的第二风格标签以及第二预测风格标签，对待训练图像识别模型的模型参数进行更新，直至满足模型训练条件，输出图像识别模型。

本申请另一方面提供一种图像识别的方法，包括：

获取待识别图像；

基于待识别图像，通过图像识别模型获取预测场景标签以及预测风格标签，其中，图像识别模型为采用上述方面的方法训练得到的；