[发明专利]图像识别方法、装置、电子设备和可读存储介质

说明书

本申请提供一种图像识别方法、装置、电子设备和可读存储介质，利用训练得到的识别模型获得待识别图像的特征信息，并利用训练得到的评估模型获得待识别图像的质量分值。再计算待识别图像的特征信息与多个预设图像中各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待识别图像的重识别结果，并基于待识别图像的质量分值和各相似度，得到待识别图像的属性识别结果，该属性识别结果可表征待识别图像是否具有与各相似度对应的预设图像相同的目标对象。该方案，在属性识别结果确定过程中，将图像质量分值纳入考虑，可以适应性地基于图像分值进行属性识别结果的判断，提高属性识别结果的准确率和召回率。

技术领域

本申请涉及机器学习技术领域，具体而言，涉及一种图像识别方法、装置、电子设备和可读存储介质。

背景技术

在智能交通等领域中，对于如非机动车、行人、机动车等对象的快速检索和目标属性的识别应用需求广泛，可辅助交警维护交通秩序，可辅助快速寻找目标人员。

目前，常用的处理方式是利用机器学习模型来实现图像识别处理，从而进行是否存在目标对象的判断。在进行是否存在目标对象的判断时，一般是采用将待识别图像与预设已知图像进行比对，通过设置阈值来判断。但是，由于不同图像的图像质量存在较大不同，而现有技术中设置固定阈值的方式，将可能导致高质量图像的召回率降低或低质量图像的准确率降低的问题。

发明内容

本申请的目的包括，例如，提供了一种图像识别方法、装置、电子设备和可读存储介质，其能够提高图像属性识别结果的准确率和召回率。

本申请的实施例可以这样实现：

第一方面，本申请提供一种图像识别方法，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。

在可选的实施方式中，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。

在可选的实施方式中，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。

在可选的实施方式中，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；