[发明专利]图像的确定方法、装置、存储介质及电子装置

权利要求书

1.一种图像的确定方法，其特征在于，包括：

使用训练后的目标网络模型中的N个子特征提取网络，对包含有目标对象的图像进行特征提取，得到所述目标对象的N个子特征；其中，所述N个子特征提取网络中不同的子特征提取网络用于针对对象的不同姿态进行特征提取，所述N为大于1的整数；

对所述N个子特征进行融合处理，得到目标特征向量；

基于所述目标特征向量，从候选图像中确定出与所述目标对象的图像相似度大于图像相似度阈值的候选图像。

2.根据权利要求1所述的方法，其特征在于，所述训练后的目标网络模型是通过如下方式得到的：

获取包含历史对象的多组图像样本；其中多组图像样本中不同组图像样本中包括从不同角度针对所述历史对象采集的图像样本，所述不同角度与所述不同姿态对应；

针对所述N个子特征提取网络，分别进行损失确定操作，得到所述N个子特征提取网络中各个子特征提取网络对应的预测损失值；所述损失确定操作包括：将所述多组图像样本中一组图像样本，输入至目标子特征提取网络，基于所述目标子特征提取网络针对所述一组图像样本的特征提取结果确定所述目标子特征提取网络对应的预测损失值；所述目标子特征提取网络是所述一组图像样本对应的子特征提取网络；

基于各个子特征提取网络对应的预测损失值，对所述各个子特征提取网络进行参数调整，得到所述训练后的目标网络模型。

3.根据权利要求2所述的方法，其特征在于，基于各个子特征提取网络对应的预测损失值，对所述各个子特征提取网络进行参数调整，包括：

针对所述各个子特征提取网络分别进行如下操作：基于所述各个子特征提取网络中一个子特征提取网络对应的预测损失值，对所述一个子特征提取网络进行参数调整；或

对所述各个子特征提取网络对应的预测损失值进行加权融合，得到综合预测损失值，并基于所述综合预测损失值对所述各个子特征提取网络进行参数调整。

4.根据权利要求3所述的方法，其特征在于，对所述各个子特征提取网络对应的预测损失值进行加权融合包括：

利用所述目标网络模型中包括的目标分类层分别确定输入至所述各个子特征提取网络中的图像样本属于所述目标子特征提取网络的概率；

将所述概率确定为所述子特征提取网络的目标权重；

对所述目标权重以及所述各个子特征提取网络对应的预测损失值进行加权融合。

5.根据权利要求2所述的方法，其特征在于，所述多组图像样本中每组图像样本包括：

从不同角度对历史对象进行拍摄所得到的多张图像样本以及每张所述图像样本的标签信息，所述标签信息包括所述图像样本的标识信息和拍摄所述图像样本的角度信息。

6.根据权利要求2所述的方法，其特征在于，将所述多组图像样本中一组图像样本，输入至目标子特征提取网络包括：

对所述一组图像样本的目标区域进行削弱处理，得到第一图像样本；

对所述第一图像样本进行增强操作，得到第二图像样本；

将所述第二图像样本输入至所述目标子特征提取网络。

7.根据权利要求6所述的方法，其特征在于，对所述一组图像样本的目标区域进行削弱处理，得到第一图像样本包括：

确定削弱所述目标区域的目标概率；

按照所述目标概率对所述目标区域进行置零处理，得到所述第一图像样本。

8.根据权利要求2所述的方法，其特征在于，基于所述目标子特征提取网络针对所述一组图像样本的特征提取结果确定所述目标子特征提取网络对应的预测损失值包括：

基于所述特征提取结果确定所述目标子特征提取网络的第一特征提取图像；

将所述第一特征提取图像按照预定方向进行分割处理，得到多个不同角度类别的第二特征提取图像；

基于所述第二特征提取图像确定所述预测损失值。