[发明专利]图像识别方法、装置、存储介质和计算机程序产品

说明书

本公开提供了一种图像识别方法、装置、存储介质和计算机程序产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。一种图像识别方法，包括：获取目标图像；利用第一图像识别模型对目标图像进行处理，得到目标图像的识别结果，其中，第一图像识别模型通过样本图像的特征图、空间掩码和通道掩码进行训练得到。上述方法能够得到更精确的图像识别结果。

技术领域

本公开涉及人工智能领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景，具体涉及一种图像识别方法、装置、存储介质和计算机程序产品。

背景技术

目前，使用神经网络解决一个复杂的问题，该神经网络的体积是非常巨大的，可能包含百万个参数。例如，著名的BERT模型约有1亿1千万参数。如果有一个非常复杂的任务，通过建立一个模型集合来平衡模型集合中每个模型的缺陷，得到的模型性能非常出色，但却因为体量太大，无法部署到生产环境中。

针对上述情况，可以采用蒸馏技术，即训练一个性能好的大网络模型，也称之为教师模型，然后基于该教师模型输出的特征监督一个小网络模型，也称之为学生模型的训练，使得该小网络模型的性能接近上述大网络模型。但现有的蒸馏方法训练出的模型存在精度差或难以收敛的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本公开提供了一种用于图像识别的方法、装置、电子设备、存储介质以及计算机程序。

根据本公开的第一方面，提供了一种图像识别方法，包括：获取目标图像；利用第一图像识别模型对目标图像进行处理，得到目标图像的识别结果，其中，第一图像识别模型通过样本图像的特征图、空间掩码和通道掩码进行训练得到。

可选的，该方法还包括：获取样本图像；分别利用第一图像识别模型和第二图像识别模型对样本图像进行特征提取，得到样本图像的第一特征图和第二特征图，其中，第二图像识别模型为已经训练好的模型；基于第一特征图和第二特征图，生成空间掩码和通道掩码；基于第一特征图、第二特征图、空间掩码和通道掩码，对第一图像识别模型进行调整。

可选的，基于第一特征图和第二特征图，生成空间掩码和通道掩码包括：分别对第一特征图和第二特征图进行卷积，得到第一特征矩阵和第二特征矩阵；基于第一特征矩阵和第二特征矩阵中空间维度的特征值，生成空间掩码；基于第一特征矩阵和第二特征矩阵中通道维度的特征值，生成通道掩码。

可选的，基于第一特征矩阵和第二特征矩阵中空间维度的特征值，生成空间掩码包括：获取第一特征矩阵中空间维度的特征值的平均值，得到第一空间权重矩阵；获取第二特征矩阵中空间维度的特征值的平均值，得到第二空间权重矩阵；对第一空间权重矩阵、第二空间权重矩阵和第一特征矩阵进行归一化指数处理，得到第一归一化指数矩阵；获取第一归一化指数矩阵与样本图像的空间参数值的乘积，得到空间掩码。

可选的，对第一空间权重矩阵、第二空间权重矩阵和第一特征矩阵进行归一化指数处理，得到第一归一化指数矩阵包括：获取第一空间权重矩阵与第二空间权重矩阵之和，得到第一运算矩阵；获取第一运算矩阵与第一特征矩阵的比值，得到第二运算矩阵；对第二运算矩阵进行归一化指数处理，得到第一归一化指数矩阵。

可选的，基于第一特征矩阵和第二特征矩阵中通道维度的特征值，生成通道掩码包括：获取第一特征矩阵中通道维度的特征值的平均值，得到第一通道权重矩阵；获取第二特征矩阵中通道维度的特征值的平均值，得到第二通道权重矩阵；对第一通道权重矩阵、第二通道权重矩阵和第一特征矩阵进行归一化指数处理，得到第二归一化指数矩阵；获取第二归一化指数矩阵与样本图像的通道参数值的乘积，得到通道掩码。