[发明专利]基于图像识别模型的对象识别方法、装置和电子设备

说明书

本申请公开了基于图像识别模型的对象识别方法、装置和电子设备，涉及计算机视觉和深度学习技术领域。具体实现方案为：获取多个候选类型的置信度阈值，采用图像识别模型对采集图像进行识别，得到目标区域，以及得到各候选类型的置信度，目标区域是采集图像中包含对象的区域，置信度用于指示对象属于对应候选类型的概率，根据多个候选类型的置信度阈值，从多个候选类型中，确定目标类型，其中，目标类型是所对应置信度大于所对应的置信度阈值的候选类型，确定目标区域所包含的对象属于目标类型。本申请中，针对不同类型，设置对应的置信度阈值，提高了对象识别的准确度，满足了不同的场景识别的精度要求。

技术领域

本申请涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，尤其涉及基于图像识别模型的对象识别方法、装置和电子设备。

背景技术

目前，深度学习已经在图像识别、语音识别、自然语言处理、计算生物、推荐系统等领域成效显著。实现深度学习模型的部署，是AI应用落地的最后一环。

相关技术中，针对不同的类别识别场景，在样本分布不均时，对于样本较少的一些类型，对象识别召回率不佳，不能满足不同场景的识别精度要求。

发明内容

本申请提供了一种用于提高对象识别准确度的基于图像识别模型的对象识别方法、装置和电子设备。

根据本申请的一方面，提供了一种基于图像识别模型的对象识别方法，包括：

获取多个候选类型的置信度阈值；

采用图像识别模型对采集图像进行识别，得到目标区域，以及得到各候选类型的置信度；其中，所述目标区域是所述采集图像中包含对象的区域，所述置信度用于指示所述对象属于对应候选类型的概率；

根据所述多个候选类型的置信度阈值，从多个所述候选类型中，确定目标类型，其中，所述目标类型是所对应置信度大于所对应的置信度阈值的候选类型；

确定所述目标区域所包含的对象属于所述目标类型。

根据本申请的另一方面，提供了一种基于图像识别模型的对象识别装置，包括：

获取模块，用于获取多个候选类型的置信度阈值；

处理模块，用于采用图像识别模型对采集图像进行识别，得到目标区域，以及得到各候选类型的置信度；其中，所述目标区域是所述采集图像中包含对象的区域，所述置信度用于指示所述对象属于对应候选类型的概率；

第一确定模块，用于根据所述多个候选类型的置信度阈值，从多个所述候选类型中，确定目标类型，其中，所述目标类型是所对应置信度大于所对应的置信度阈值的候选类型；

识别模块，用于确定所述目标区域所包含的对象属于所述目标类型。

根据本申请的另一方面，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第一方面所述的基于图像识别模型的对象识别方法。

根据本申请的另一方面，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第一方面所述的基于图像识别模型的对象识别方法。

根据本申请的另一方面，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如第一方面所述的基于图像识别模型的对象识别方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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