[发明专利]图像识别方法、装置、电子设备和可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

利用训练得到的识别模型获得待识别图像的特征信息；

利用训练得到的评估模型获得所述待识别图像的质量分值；

计算所述待识别图像的特征信息与多个预设图像中各所述预设图像的特征信息之间的相似度；

基于得到的多个相似度获得所述待识别图像的重识别结果，并基于所述待识别图像的质量分值和各所述相似度，得到所述待识别图像的属性识别结果，所述属性识别结果表征所述待识别图像是否具有与各所述相似度对应的预设图像相同的目标对象。

2.根据权利要求1所述的图像识别方法，其特征在于，所述方法还包括预先训练得到识别模型的步骤，该步骤包括：

利用采集的多个训练样本对构建的第一网络模型进行训练，并获得所述第一网络模型得到的各所述训练样本的特征信息；

基于多个训练样本的特征信息，计算得到各所述训练样本的质量分值；

根据各所述训练样本的质量分值对各所述训练样本的训练权重进行调整后继续对所述第一网络模型进行训练，直至满足预设要求时，得到所述第一网络模型对应的识别模型。

3.根据权利要求2所述的图像识别方法，其特征在于，所述方法还包括预先训练得到评估模型的步骤，该步骤包括：

在所述第一网络模型训练迭代后，基于得到的各所述训练样本的质量分值并利用所述多个训练样本对构建的第二网络模型进行训练；

在对各所述训练样本的训练权重进行调整并继续对所述第一网络模型训练得到更新的质量分值后，基于更新的质量分值对所述第二网络模型进行训练，直至满足预设要求时，得到所述第二网络模型对应的评估模型。

4.根据权利要求2所述的图像识别方法，其特征在于，所述基于多个训练样本的特征信息，计算得到各所述训练样本的质量分值的步骤，包括：

针对各所述训练样本，根据所述训练样本与所属相同类别的训练样本的特征信息计算得到类内距离，根据所述训练样本与所属不同类别的训练样本的特征信息计算得到类间距离；

基于各所述训练样本的类内距离和类间距离，得到各所述训练样本的质量分值。

5.根据权利要求1所述的图像识别方法，其特征在于，所述计算所述待识别图像的特征信息与多个预设图像中各所述预设图像的特征信息之间的相似度的步骤之前，所述方法还包括：

对所述待识别图像的特征信息进行降维处理，以得到设定维数的特征信息。

6.根据权利要求1所述的图像识别方法，其特征在于，所述利用训练得到的识别模型获得待识别图像的特征信息的步骤，包括：

确定各个预设图像中目标对象所在区域，对各所述预设图像的未包含目标对象的区域进行像素遮挡处理；

对待识别图像执行与各所述预设图像相同区域的像素遮挡处理；

利用训练得到的识别模型获得像素遮挡处理后的待识别图像和各个预设图像的特征信息。

7.根据权利要求1所述的图像识别方法，其特征在于，所述基于所述待识别图像的质量分值和各所述相似度，得到所述待识别图像的属性识别结果的步骤，包括：

基于所述待识别图像的质量分值设置判别阈值；

根据所述判别阈值和各所述相似度，得到所述待识别图像的属性识别结果。

8.根据权利要求7所述的图像识别方法，其特征在于，所述根据所述判别阈值和各所述相似度，得到所述待识别图像的属性识别结果的步骤，包括：

将各所述相似度与所述判别阈值进行比较，若所述相似度小于所述判别阈值，则确定所述待识别图像不具有与该相似度对应的预设图像相同的目标对象；

若所述相似度大于或等于所述判别阈值，则确定所述待识别图像具有与该相似度对应的预设图像相同的目标对象。