[发明专利]图像识别模型的训练方法、装置、电子设备和存储介质

说明书

本申请公开了图像识别模型的训练方法、装置、电子设备和存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于3D视觉防控场景下。实现方案为：获取训练数据集，并将训练数据集中第一图像集中的第一图像及第一图像经过变换后生成的第二图像分别输入初始孪生网络的第一编码器和第二编码器，以获取第一特征图和第二特征图，将第一特征图及第二特征图分别输入初始孪生网络中的第一解码器及第二解码器，得到第一预测结果和第二预测结果，基于第二特征图、第一特征图、第一预测结果、第二预测结果及第一图像对应的标注结果，训练得到第一图像识别网络和第二图像识别网络。该方法提高了图像识别的精准性和鲁棒性。

技术领域

本申请涉及人工智能领域，具体涉及计算机视觉和深度学习技术，具体可用于3D视觉防控场景下。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。随着科学技术的发展，图像识别在人们生活的应用越来越广泛。

因此，如何提高图像识别的鲁棒性是亟待解决的问题。

发明内容

本申请提供了一种图像识别模型的训练方法、装置、电子设备和存储介质。

根据本申请的一方面，提供了一种图像识别模型的训练方法，包括：

获取训练数据集，其中，所述训练数据集中包括第一图像集、第二图像集及所述第一图像集中每个第一图像对应的标注结果，其中，所述第二图像集中的每个第二图像为对应的第一图像经过第一变换后生成的；

将任一第一图像及对应的第二图像分别输入初始孪生网络中的第一编码器及第二编码器，以获取所述任一第一图像对应的第一特征图及所述对应的第二图像对应的第二特征图；

将所述第一特征图及所述第二特征图分别输入所述初始孪生网络中的第一解码器及第二解码器，以获取第一预测结果及第二预测结果；

根据所述第二特征图、所述第一特征图、所述第一预测结果、所述第二预测结果及所述任一第一图像对应的标注结果，对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络。

根据本申请的另一方面，提供了一种图像识别模型的训练装置，包括：

第一获取模块，用于获取训练数据集，其中，所述训练数据集中包括第一图像集、第二图像集及所述第一图像集中每个第一图像对应的标注结果，其中，所述第二图像集中的每个第二图像为对应的第一图像经过第一变换后生成的；

第二获取模块，用于将任一第一图像及对应的第二图像分别输入初始孪生网络中的第一编码器及第二编码器，以获取所述任一第一图像对应的第一特征图及所述对应的第二图像对应的第二特征图；

第三获取模块，用于将所述第一特征图及所述第二特征图分别输入所述初始孪生网络中的第一解码器及第二解码器，以获取第一预测结果及第二预测结果；

训练模块，用于根据所述第二特征图、所述第一特征图、所述第一预测结果、所述第二预测结果及所述任一第一图像对应的标注结果，对所述初始孪生网络进行修正，以获取第一图像识别网络及第二图像识别网络。

根据本申请的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。