[发明专利]模型的训练及场景识别方法、装置、设备及介质

说明书

本申请公开了一种模型的训练及场景识别方法、装置、设备及介质。由于通过原始场景识别模型，可以获取到输入的样本图像对应的场景概率向量以及样本图像的样本特征，使得后续可以基于场景概率向量以及场景标签、样本特征以及第一场景类别对应的类中心特征、样本特征以及第二场景类别对应的类中心特征，对原始场景识别模型进行训练，使得训练得到的场景识别模型，可根据相同场景类别内图像的图像特征向该场景类别的类中心特征靠拢，同时远离其他场景类别的类中心特征的特性，进一步结合图像的特征层面，实现了准确地处理不归属于封闭的图像集中包含的场景类别图像，提高场景识别模型的精度、性能及自然度。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种模型的训练及场景识别方法、装置、设备及介质。

背景技术

随着多媒体技术的发展，人们日常观看视频图像的种类越来越多，视频内容涉及到的产品也越来越丰富。自动识别并分类图像的场景信息有助于帮助机器更好的理解图像，并且帮助下游算法开发针对于不同场景的功能。

随着神经网络在视觉领域上的发展，其在图像分类任务的表现上也超越了绝大部分传统算法。然而大部分基于神经网络的场景识别系统都是在封闭的图像集中训练和测试的，即该场景识别系统只能识别该封闭的图像集中包含的场景类别。然而在实际应用中，由于所有图像可能归属的场景类别是不可穷举的，当前需要进行场景识别的图像实际所归属的场景类别，有可能不是该封闭的图像集中包含的场景类别，但如果通过该场景识别系统去识别该图像所归属的场景类别，则会得到错误的结果，进而影响下游算法的处理。

因此，亟需一种不仅可以准确地识别归属于封闭的图像集中包含的场景类别图像，还能够处理不归属于封闭的图像集中包含的场景类别图像的场景识别系统。

发明内容

本申请提供了一种模型的训练及场景识别方法、装置、设备及介质，用以解决现有场景识别系统无法准确地处理不归属于封闭的图像集中包含的场景类别图像的问题。

本申请提供了一种场景识别模型训练方法，所述方法包括：

获取样本集中任一样本图像；其中，所述样本图像对应有场景标签，所述场景标签用于标识所述样本图像所归属的第一场景类别；

通过原始场景识别模型，确定所述样本图像对应的场景概率向量以及所述样本图像的样本特征；其中，所述场景概率向量包括所述样本图像分别归属于每个场景类别的概率值；

基于所述场景概率向量以及所述场景标签、所述样本特征以及所述第一场景类别对应的类中心特征、所述样本特征以及第二场景类别对应的类中心特征，对所述原始场景识别模型进行训练，以获取到训练完成的场景识别模型；其中，所述第二场景类别为所述每个场景类别中，除所述第一场景类别之外的场景类别。

本申请提供了一种场景识别方法，所述方法包括：

通过预先训练的场景识别模型，确定待识别图像的图像特征；

确定所述图像特征，分别与每个场景类别的目标类中心特征的相似度；

根据每个所述相似度以及相似度阈值，确定所述每个场景类别是否包含所述待识别图像所归属的场景类别；

若确定所述每个场景类别包含所述待识别图像所归属的场景类别，则通过所述场景识别模型，确定所述待识别图像所归属的场景类别；

若确定所述每个场景类别不包含所述待识别图像所归属的场景类别，则不继续识别所述待识别图像所归属的场景类别。

本申请提供了一种场景识别模型训练装置，所述装置包括：

获取单元，用于获取样本集中任一样本图像；其中，所述样本图像对应有场景标签，所述场景标签用于标识所述样本图像所归属的第一场景类别；