[发明专利]一种图像识别方法及装置

说明书

本申请实施例提供了一种图像识别方法及装置，涉及计算机视觉领域。方法包括：获得对象为至少两个类别中每个类别的得分，其中，每个类别的得分为对包含对象的图像进行处理而获得；基于每个类别的得分，从对象类别库中确定出对象的与至少两个类别相关的新的类别。由确定出对象的与至少两个类别相关的新的类别替换与对象的类别相关性低的类别，可以使得对象为至少两个类别中的每个类别与每个类别之间的相关性增加，进而在输出展示对象时，提高了用户的体验度。

技术领域

本申请涉及计算机视觉领域，具体而言，涉及一种图像识别方法及装置。

背景技术

随着深度学习的兴起，计算机在图片分类领域可以达到越来越高的识别率，甚至可以达到超越人眼识别率的精度，不同种类的图片识别系统应运而生。

不同的图片识别系统主要依赖深度学习技术构建相应的分类模型，通过分类模型输出的对象为至少两个类别。而输出的对象为至少两个类别中每个类别与每个类别之间的相关性可能不高，导致用户体验不好。

发明内容

本申请的目的在于提供一种图像识别方法及装置，以有效的改善分类模型输出的多个对象之间相关性差的技术缺陷。

本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供了一种图像识别方法，方法包括：获得对象为至少两个类别中每个类别的得分，其中，每个类别的得分为对包含对象的图像进行处理而获得；基于每个类别的得分，从对象类别库中确定出对象的与至少两个类别相关的新的类别。

在本申请实施例中，基于获得的每个类别的得分，从对象类别库中确定出对象的与至少两个类别相关的新的类别。由确定出对象的与至少两个类别相关的新的类别替换与对象的类别相关性低的类别，可以使得对象为至少两个类别中的每个类别与每个类别之间的相关性增加，进而在输出展示对象时，提高了用户的体验度。

结合第一方面提供的技术方案，在一些可能的实现方式中，基于每个类别的得分，从对象类别库中确定出对象的与至少两个类别相关的新的类别包括：基于获得的每个类别的得分以及每个类别的得分的大小关系，确定出每个类别的得分中的最大值为第一得分值；基于第一得分值，从对象类别库中确定出对象的与至少两个类别相关的新的类别。

在本申请实施例中，通过确定每个类别的得分中的最大得分值为第一得分值，获得对象为至少两个类别中每个类别与目标对象向匹配的概率最大的类别。也就是说，第一得分值所对应的类别为与目标对象相匹配概率最大的类别，通过第一得分值从对象类别库中确定出对象的与至少两个类别相关的新的类别，提高了与目标对象的类别的相关性，进而在输出展示对象时，提高了用户的体验度。

结合第一方面提供的技术方案，在一些可能的实现方式中，预设了包括：与第一得分值所对应的第一阈值范围、与第一阈值范围不同的第二阈值范围、与第一阈值范围和所述第二阈值范围均不同的第三阈值范围，与每个类别的得分中仅小于第一得分值的第二得分值所对应的第四阈值范围、与第四阈值范围至少部分不同的第五阈值范围；与每个类别的得分中小于第一得分值和第二得分值的第三得分值所对应的第六阈值范围，基于第一得分值，从对象类别库中确定出对象的与至少两个类别相关的新的类别，包括：在第一得分值位于第一阈值范围内时，基于第一得分值所对应的类别，从对象类别库中确定出至少两个与至少两个类别相关的新的类别；或在第一得分值位于第二阈值范围内时，判断第二得分值是否位于第四阈值范围内，若是，基于第一得分值所对应的类别，从对象类别库中确定出至少一个与至少两个类别相关的新的类别，若否，基于第一得分值所对应的类别，从对象类别库中确定出至少两个与至少两个类别相关的新的类别；或在第一得分值位于第三阈值范围内，且第二得分值位于第五阈值范围内时，判断第三得分值是否位于第六阈值范围内，若否，基于第一得分值所对应的类别，从对象类别库中确定出至少一个与至少两个类别相关的新的类别；或在第一得分值位于第三阈值范围内，且第二得分值不位于第五阈值范围内时，基于第一得分值所对应的类别，从对象类别库中确定出至少两个与至少两个类别相关的新的类别。