[发明专利]图像识别及其模型的训练方法、装置、设备和存储介质

说明书

本公开提供了一种图像识别及其模型的训练方法、装置、设备和存储介质，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像识别等场景。图像识别方法包括：对图像进行特征提取处理，以获取所述图像的局部特征，所述局部特征用于表达所述图像的区域内特征；获取所述图像的全局特征，所述全局特征用于表达所述图像的区域间特征；基于所述局部特征和所述全局特征，获取所述图像的图像识别结果。本公开可以提高图像识别精度。

技术领域

本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于人脸识别、人脸图像识别等场景下，尤其涉及一种图像识别及其模型的训练方法、装置、设备和存储介质。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常，可以采用人脸识别模型，对输入的人脸图像进行识别，以获取人脸识别结果。

发明内容

本公开提供了一种图像识别及其模型的训练方法、装置、设备和存储介质。

根据本公开的一方面，提供了一种图像识别方法，包括：对图像进行特征提取处理，以获取所述图像的局部特征，所述局部特征用于表达所述图像的区域内特征；获取所述图像的全局特征，所述全局特征用于表达所述图像的区域间特征；基于所述局部特征和所述全局特征，获取所述图像的图像识别结果。

根据本公开的另一方面，提供了一种图像识别模型的训练方法，包括：采用初始的图像识别模型，对输入的图像样本进行特征提取处理，以获取所述图像样本的局部特征，所述局部特征用于表达所述图像样本的区域内特征；获取所述图像样本的全局特征，所述全局特征用于表达所述图像样本的区域间特征；基于所述局部特征和所述全局特征，获取所述图像样本的预测识别结果；基于所述预测识别结果和所述图像样本对应的真实识别结果，构建损失函数；基于所述损失函数，调整所述初始的图像识别模型的参数，以生成最终的图像识别模型。

根据本公开的另一方面，提供了一种图像识别装置，包括：第一获取模块，用于对图像进行特征提取处理，以获取所述图像的局部特征，所述局部特征用于表达所述图像的区域内特征；第二获取模块，用于获取所述图像的全局特征，所述全局特征用于表达所述图像的区域间特征；识别模块，用于基于所述局部特征和所述全局特征，获取所述图像的图像识别结果。

根据本公开的另一方面，提供了一种图像识别模型的训练装置，包括：第一获取模块，用于采用初始的图像识别模型，对输入的图像样本进行特征提取处理，以获取所述图像样本的局部特征，所述局部特征用于表达所述图像样本的区域内特征；第二获取模块，用于获取所述图像样本的全局特征，所述全局特征用于表达所述图像样本的区域间特征；预测模块，用于基于所述局部特征和所述全局特征，获取所述图像样本的预测识别结果；构建模块，用于基于所述预测识别结果和所述图像样本对应的真实识别结果，构建损失函数；生成模块，用于基于所述损失函数，调整所述初始的图像识别模型的参数，以生成最终的图像识别模型。

根据本公开的另一方面，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如上述任一方面的任一项所述的方法。

根据本公开的另一方面，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任一方面的任一项所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一方面的任一项所述的方法。

根据本公开的技术方案，可以提高图像识别精度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明