[发明专利]厂房场景识别方法、装置、电子设备及存储介质

权利要求书

1.一种厂房场景识别方法，其特征在于，包括：

获取待识别厂房图像；

将所述待识别厂房图像输入至场景识别模型，得到所述场景识别模型输出的所述待识别厂房图像对应的厂房场景类别；

其中，所述场景识别模型基于第一预设数量的第一类厂房图像样本以及第二预设数量的第二类厂房图像样本训练得到，所述第一类厂房图像样本未携带有厂房场景类别标签，所述第二类厂房图像样本携带有厂房场景类别标签；所述第一类厂房图像样本的厂房场景类别标签基于所述第二类厂房图像样本携带的厂房场景类别标签确定。

2.根据权利要求1所述的厂房场景识别方法，其特征在于，所述场景识别模型基于如下方法训练得到：

分别将每个第一类厂房图像样本以及每个第二类厂房图像样本输入至待训练场景识别模型的特征提取模块，得到所述特征提取模块输出的每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征；

基于每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征之间的距离，确定每个第一类厂房图像样本的厂房场景类别标签；

将每个第一类编码特征输入至所述待训练场景识别模型的特征分类模块，得到所述特征分类模块输出的每个第一类厂房图像样本的第一类特征概率向量；

基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，对所述待训练场景识别模型进行训练。

3.根据权利要求2所述的厂房场景识别方法，其特征在于，所述基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，对所述待训练场景识别模型进行训练，具体包括：

基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，计算所述待训练场景识别模型的损失函数，并对所述待训练场景识别模型进行梯度反转，重新计算待训练场景识别模型的损失函数，直至所述待训练场景识别模型收敛，得到所述场景识别模型。

4.根据权利要求2所述的厂房场景识别方法，其特征在于，所述每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征之间的距离为余弦距离；

相应地，所述基于每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征之间的距离，确定每个第一类厂房图像样本的厂房场景类别标签，具体包括：

对于任一第一类编码特征，基于所述任一第一类编码特征与每个第二类编码特征之间的余弦距离，确定余弦距离最大的第三预设数量个第二类编码特征对应的第二类厂房图像样本；

基于所述第三预设数量个第二类厂房图像样本携带的厂房场景类别标签，确定所述任一第一类编码特征对应的第一类厂房图像样本的厂房场景类别标签。

5.根据权利要求4所述的厂房场景识别方法，其特征在于，所述基于所述第三预设数量个第二类厂房图像样本的厂房场景类别标签，确定所述任一第一类编码特征对应的第一类厂房图像样本的厂房场景类别标签，具体包括：

将所述第三预设数量个第二类厂房图像样本的厂房场景类别标签进行比对，确定所述第三预设数量个第二类厂房图像样本中比例最高的厂房场景类别标签为所述任一第一类编码特征对应的第一类厂房图像样本的厂房场景类别标签。

6.根据权利要求2所述的厂房场景识别方法，其特征在于，所述待训练场景识别模型基于ImageNet数据库训练得到的预训练模型。

7.一种厂房场景识别装置，其特征在于，包括：

获取模块，用于获取待识别厂房图像；

识别模块，用于将所述待识别厂房图像输入至场景识别模型，得到所述场景识别模型输出的所述待识别厂房图像对应的厂房场景类别；

其中，所述场景识别模型基于第一预设数量的第一类厂房图像样本以及第二预设数量的第二类厂房图像样本训练得到，所述第一类厂房图像样本未携带有厂房场景类别标签，所述第二类厂房图像样本携带有厂房场景类别标签；所述第一类厂房图像样本的厂房场景类别标签基于所述第二类厂房图像样本携带的厂房场景类别标签确定。