[发明专利]基于神经网络的多层图像特征提取建模、图像识别方法及装置

摘要

本发明提供一种基于神经网络的多层图像特征提取建模方法及装置，从预设应用场景的训练集中获取第一图片、第二图片、第一图片的第一分类及第二图片的第二分类；根据第一图片、第一分类、第二图片及第二分类确定全局损失代价函数值；根据全局损失代价函数值及训练参数在训练集上训练多层图像对象验证神经网络；通过预设应用场景的测试集对多层图像对象验证神经网络进行测试，并根据测试结果确定测试精度，根据测试精度及多层图像对象验证神经网络确定目标多层图像对象验证特征提取模型。该方法及装置可以达到将建模得到的图像特征模型应用图像识别应用场景中进行图像识别时，提高图片识别精度的有益效果。本发明还提供一种图像识别方法及装置。

主权项

一种基于神经网络的多层图像特征提取建模方法，其特征在于，包括：从预设应用场景的训练集中获取第一图片、第二图片、所述第一图片的第一分类及所述第二图片的第二分类；将所述第一图片、所述第一分类、所述第二图片及所述第二分类作为多层图像对象验证神经网络的输入，确定全局损失代价函数值；根据所述全局损失代价函数值及训练参数在所述训练集上训练所述多层图像对象验证神经网络；通过所述预设应用场景的测试集对所述多层图像对象验证神经网络进行测试，并根据测试结果确定测试精度，根据所述测试精度及所述多层图像对象验证神经网络确定目标多层图像对象验证特征提取模型；所述将所述第一图片、所述第一分类、所述第二图片及所述第二分类作为所述多层图像对象验证神经网络的输入，确定全局损失代价函数值的步骤包括：将所述第一图片与所述第一分类作为所述多层图像对象验证特征提取模型的模型输入，确定多层第一对象特征与多层第一验证特征，将所述第二图片与所述第二分类作为所述多层图像对象验证特征提取模型的另一个模型输入，确定多层第二对象特征与多层第二验证特征；或者，所述多层图像对象验证特征提取模型包括相同的两个，将所述第一图片与所述第一分类作为其中一个所述多层图像对象验证特征提取模型的模型输入，确定多层第一对象特征与多层第一验证特征，将所述第二图片与所述第二分类作为另一个所述多层图像对象验证特征提取模型的模型输入，确定多层第二对象特征与多层第二验证特征；根据所述多层第一对象特征及所述第一分类确定第一对象信息损失函数值；根据所述多层第二对象特征及所述第二分类确定第二对象信息损失函数值；根据所述第一分类、所述第二分类、所述多层第一验证特征及所述多层第二验证特征确定验证损失函数值；根据所述第一对象信息损失函数值、所述第二对象信息损失函数值及所述验证损失函数值确定全局损失代价函数值。