[发明专利]图像识别方法、装置及电子设备

说明书

本发明提供了一种图像识别方法、装置及电子设备，涉及图像处理技术领域，该方法包括：获取待识别图像；将待识别图像输入至预训练得到的图像识别模型；其中，图像识别模型包括预处理网络、元学习网络和图像识别网络；通过元学习网络基于待识别图像生成预处理网络的参数；通过预处理网络基于元学习网络生成的参数对待识别图像进行去模糊处理，得到清晰图像；通过图像识别网络对清晰图像进行识别，得到图像识别结果。本发明可以提升图像识别精度，得到较好的图像识别效果。

技术领域

本发明涉及图像处理领域，尤其是涉及一种图像识别方法、装置及电子设备。

背景技术

随着图像处理技术的不断发展，图像识别的应用场景越来越丰富，诸如人脸识别、车牌号识别等，这类技术通过预先训练好的图像识别网络对输入图像进行目标识别。然而，在大多数场景中人或车等目标物都是运动的，导致输入图像通常会带有运动模糊，现有的图像识别网络在对模糊图像进行识别时的精度不高，识别效果较差。

发明内容

本发明的目的在于提供一种图像识别方法、装置及电子设备，可以提升图像识别精度，得到较好的图像识别效果。

第一方面，本发明实施例提供一种图像识别方法，方法包括：获取待识别图像；将待识别图像输入至预训练得到的图像识别模型；其中，图像识别模型包括预处理网络、元学习网络和图像识别网络；通过元学习网络基于待识别图像生成预处理网络的参数；通过预处理网络基于元学习网络生成的参数对待识别图像进行去模糊处理，得到清晰图像；通过图像识别网络对清晰图像进行识别，得到图像识别结果。

进一步，预处理网络为残差网络。

进一步，元学习网络包括依次连接的卷积层和全连接层；所述全连接层的输出节点数量与所述预处理网络所需的参数数量相同。

进一步，图像识别模型的训练过程包括：获取样本图像对；其中，样本图像对包括清晰样本图像和与清晰样本图像对应的模糊样本图像；基于样本图像对对元学习网络和图像识别网络进行训练，直至训练结束，得到训练后的图像识别模型；其中，在训练过程中，元学习网络用于基于模糊样本图像学习生成预处理网络的参数；预处理网络用于基于元学习网络输出的参数对模糊样本图像进行去模糊处理，得到去模糊图像；图像识别网络用于对去模糊图像进行图像识别。

进一步，获取样本图像对的步骤，包括：获取清晰样本图像；对清晰样本图像进行运动模糊处理，得到与清晰样本图像对应的模糊样本图像；基于清晰样本图像和模糊样本图像组成样本图像对。

进一步，对清晰样本图像进行运动模糊处理的步骤，包括：采用随机的卷积参数对清晰样本图像进行卷积处理，和/或，为清晰样本图像上添加高斯白噪声。

进一步，基于样本图像对对元学习网络和图像识别网络进行训练，直至训练结束，得到训练后的图像识别模型的步骤，包括：对图像识别网络进行预训练，得到预训练好的图像识别网络；保持预训练好的图像识别网络的参数不变，采用样本图像对对元学习网络进行初始训练，得到初始训练好的元学习网络；采用样本图像对对预训练好的图像识别网络和初始训练好的元学习网络进行联合训练，直至训练结束，得到训练后的图像识别模型。

进一步，采用样本图像对对元学习网络进行初始训练，得到初始训练好的元学习网络的步骤，包括：通过预训练好的图像识别网络对清晰样本图像进行特征提取，得到第一图像特征；通过预处理网络对模糊样本图像进行去模糊处理，得到去模糊图像；通过预训练好的图像识别网络对去模糊图像进行特征提取，得到第二图像特征；基于第一图像特征和第二图像特征确定第一损失函数值；根据第一损失函数值对元学习网络进行初始训练，得到初始训练好的元学习网络。

进一步，采用样本图像对对预训练好的图像识别网络和初始训练好的元学习网络进行联合训练的步骤，包括：基于第一图像特征确定第二损失函数值；根据第一损失函数值与第二损失函数值确定总损失值；基于总损失值调整预训练好的图像识别网络的参数以及初始训练好的元学习网络的参数。