[发明专利]对象识别方法和装置、神经网络生成方法和装置

说明书

本公开实施例提供了一种对象识别方法、对象识别装置、神经网络生成方法、神经网络生成装置、电子设备和计算机可读存储介质。所述对象识别方法包括：从输入图像中提取特征；以及通过对所提取的特征进行分类来执行对象识别；其中，基于一个或多个对象原型对提取的特征进行分类。

技术领域

本公开实施例涉及图像处理，尤其涉及一种对象识别方法、对象识别装置、神经网络生成方法、神经网络生成装置、电子设备和计算机可读存储介质。

背景技术

例如图像识别系统的对象识别系统是一种从数字图像或来自视频源的视频帧中识别或验证对象的类别的技术。对象识别系统的一个关键优势在于：该系统在进行识别时并不需要测试对象的刻意配合。例如，在机场、马路和其他公共场所的人脸识别系统可以识别人群中的个人，行人甚至察觉不到系统的存在。对象识别系统中往往要灵活应对拍摄时的多变环境，如光照、角度、表情以及噪声等因素的变化都对系统的识别能力提出的要求。

随着深度学习技术的发展，对象识别技术在实时性和准确性方面，较以往传统技术已经取得了长足的进长。通常的识别技术依据例如深度学习卷积神经网络来提取例如人脸图像的特征，结合设计的损失度量函数，从大量的样本数据中学习得到网络的参数，然后再应用到实际系统中。简言之，是一种端到端的解决方案，利用已经获取的网络作为识别内核，进而完成应用。

然而，收集海量训练样本的要求、无法兼具拒识功能及增量类别识别费时费力是亟待解决的技术问题。

发明内容

根据本公开实施例的一个方面，提供了一种对象识别方法，包括：从输入图像中提取特征；以及

通过对所提取的特征进行分类来执行对象识别；

其中，基于一个或多个对象原型对提取的特征进行分类。

根据本公开实施例的另一方面，提供了一种神经网络模型的生成方法，包括：

根据损失度量，训练样本得到深度学习神经网络模型；

其中，所述深度学习神经网络模型包括与类别对应的一个或多个对象原型，以便根据所述一个或多个对象原型对待识别对象进行分类。

根据本公开实施例的另一方面，提供了一种对象识别装置，包括：

用于从输入图像中提取特征的提取模块；以及

用于通过对所提取的特征进行分类来执行对象识别的分类模块；

其中，所述分类模块基于一个或多个对象原型对提取的特征进行分类，

根据本公开实施例的另一方面，提供了一种神经网络模型的生成装置，包括：

用于根据损失度量训练样本得到深度学习神经网络模型的训练模块；

其中，所述深度学习神经网络模型包括与类别对应的一个或多个对象原型，以便根据所述一个或多个对象原型对待识别对象进行分类。

根据本公开实施例的另一方面，提供了一种电子设备，包括：

一个或多个处理器；

一个或多个存储器，

其中所述存储器存储了计算机可读代码，所述计算机可读代码当由所述一个或多个处理器运行时，使得所述处理器执行根据本公开实施例的对象识别方法和/或神经网络模型的生成方法。

根据本公开实施例的另一方面，提供了一种非暂态计算机可读存储介质，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行根据本公开实施例的对象识别方法和/或神经网络模型的生成方法。