[发明专利]图像识别模型的训练与图像识别方法、装置

权利要求书

1.一种图像识别模型的训练方法，包括：

获取多张第一图像；

根据所述多张第一图像中的标识图案，生成多张第二图像；

根据所述多张第一图像与所述多张第二图像，构建图像集；

使用所述图像集与预设标签对神经网络模型进行训练，得到图像识别模型。

2.根据权利要求1所述的方法，其中，所述根据所述多张第一图像中的标识图案，生成多张第二图像包括：

从所述多张第一图像中提取标识图案；

将所提取的标识图案，作为前景图像；

获取不包含标识图案的图像，作为背景图像；

将所述前景图像与所述背景图像进行粘贴，将粘贴结果作为所述第二图像。

3.根据权利要求2所述的方法，其中，所述从所述多张第一图像中提取标识图案包括：

从所述多张第一图像中选取第一预设数量的第一图像；

从所选取的第一图像中提取所述标识图案。

4.根据权利要求2所述的方法，其中，所述将所述前景图像与所述背景图像进行粘贴包括：

对所述前景图像进行第一预处理；

将所述前景图像的第一预处理结果与所述背景图像进行粘贴。

5.根据权利要求1所述的方法，其中，所述根据所述多张第一图像与所述多张第二图像，构建图像集包括：

去除所述多张第一图像中用于生成第二图像的第一图像；

从剩余的第一图像中选取第二预设数量的第一图像作为测试图像，得到测试集；

按照预设比例，将未作为测试集的第一图像与所述多张第二图像划分为训练图像与验证图像，得到训练集与验证集。

6.根据权利要求5所述的方法，还包括，

在得到所述训练集之后，对所述训练集中的训练图像进行第二预设处理；

将训练图像的第二预处理结果进行归一化处理。

7.根据权利要求5所述的方法，其中，所述使用所述图像集与预设标签对神经网络模型进行训练，得到图像识别模型包括：

使用所述训练集中的多张训练图像与预设标签，调整所述神经网络模型的模型参数，直至所述神经网络模型收敛；

选取在训练过程中满足预设条件的神经网络模型；

使用所述验证集中的多张验证图像与预设标签，在所选取的神经网络模型中确定图像识别模型；

使用所述测试集中的多张测试图像与预设标签，测试所述图像识别模型的识别性能。

8.根据权利要求7所述的方法，其中，所述使用所述训练集中的多张训练图像与预设标签，调整所述神经网络模型的模型参数包括：

根据所述训练集中的多张训练图像，得到多张合成图像；

使用所述多张合成图像与预设标签，调整所述神经网络模型的模型参数。

9.一种图像识别方法，包括：

获取待识别图像；

将所述待识别图像输入图像识别模型，得到所述图像识别模型输出的预测分值；

在确定所述预测分值大于目标图像阈值的情况下，确定所述待识别图像中包含标识图案；

其中，所述图像识别模型是根据权利要求1-8中任一项所述的方法预先训练得到的。

10.根据权利要求9所述的方法，其中，获取所述目标图像阈值包括：

设置多个图像阈值；

获取多张样本图像；

将所述多张样本图像输入所述图像识别模型，得到所述图像识别模型针对每张样本图像输出的预测分值；

根据所述多张样本图像的预测分值与所述多个图像阈值，得到对应每个图像阈值的召回率和/或误检率；

将所述召回率和/或误检率满足预设要求的图像阈值，作为所述目标图像阈值。