[发明专利]厂房场景识别方法、装置、电子设备及存储介质

说明书

本发明提供一种厂房场景识别方法、装置、电子设备及存储介质，在不改变场景识别模型的模型结构的同时，能够以少量携带有标签的训练样本使场景识别模型获得较高的准确率，增加了场景识别模型的鲁棒性、精度且减少了大规模数据标注成本。而且，同时也避免了大量无标注数据浪费。通过场景识别模型，可以解决现有技术中通用图像识别模型在厂房场景识别中所面临的大规模数据集合标注成本高等问题。

技术领域

本发明涉及目标识别技术领域，尤其涉及一种厂房场景识别方法、装置、电子设备及存储介质。

背景技术

生产现场管理是企业管理的一个重要组成部分，厂房工作环境管理是生产现场管理的核心环节。其核心涉及到工作意识、制度建设、行为习惯等多个方面。厂房工作环境的提升能够营造好的工作氛围，提高员工生产效率；形成干净整洁的工作环境，提升产品品质；产生井然有序的办公场所，保障安全生产；推进员工自律认真的工作态度，提高员工工作积极性。

当前基于机器视觉的厂房工作环境识别仍然处于探索阶段，借鉴当前最新图像识别模型。常见的图像识别算法的性能对训练集合规模具有很强的依赖性。但是，现实中厂房场景变化极其复杂，不同厂房之间、同一厂房不同时间段厂房场景都会产生极大变化，所以通用的图像识别模型在训练过程中需要大量的人工标注，将导致厂房场景识别中面临数据规模大，需要标注成本高等问题。

为此，现急需提供一种厂房场景识别方法。

发明内容

本发明提供一种厂房场景识别方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。

本发明提供一种厂房场景识别方法，包括：

获取待识别厂房图像；

将所述待识别厂房图像输入至场景识别模型，得到所述场景识别模型输出的所述待识别厂房图像对应的厂房场景类别；

其中，所述场景识别模型基于未携带有厂房场景类别标签的第一预设数量的第一类厂房图像样本以及携带有厂房场景类别标签的第二预设数量的第二类厂房图像样本训练得到，所述第一类厂房图像样本未携带有厂房场景类别标签，所述第二类厂房图像样本携带有厂房场景类别标签；所述第一类厂房图像样本的厂房场景类别标签基于所述第二类厂房图像样本携带的厂房场景类别标签确定。

根据本发明提供的一种厂房场景识别方法，所述场景识别模型基于如下方法训练得到：

分别将每个第一类厂房图像样本以及每个第二类厂房图像样本输入至待训练场景识别模型的特征提取模块，得到所述特征提取模块输出的每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征；

基于每个第一类厂房图像样本的第一类编码特征以及每个第二类厂房图像样本的第二类编码特征之间的距离，确定每个第一类厂房图像样本的厂房场景类别标签；

将每个第一类编码特征输入至所述待训练场景识别模型的特征分类模块，得到所述特征分类模块输出的每个第一类厂房图像样本的第一类特征概率向量；

基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，对所述待训练场景识别模型进行训练。

根据本发明提供的一种厂房场景识别方法，所述基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，对所述待训练场景识别模型进行训练，具体包括：

基于每个第一类厂房图像样本的厂房场景类别标签与每个第一类厂房图像样本的第一类特征概率向量，计算所述待训练场景识别模型的损失函数，并对所述待训练场景识别模型进行梯度反转，重新计算待训练场景识别模型的损失函数，直至所述待训练场景识别模型收敛，得到所述场景识别模型。