[发明专利]模型训练及图像识别方法、装置、存储介质及电子设备

说明书

本说明书公开了模型训练及图像识别方法、装置、存储介质及电子设备。在训练阶段，提取样本图像中局部图像的局部特征，并采用第一识别模型根据局部特征进行识别，以局部图像的识别结果以及局部图像所属的样本图像的标注之间的差异来对特征提取模型中的参数进行调整。由于针对每个局部图像输出的识别结果都是根据由该局部图像所提取出的局部特征来确定的，因此在以识别结果和标注之间的差异最小为目标进行训练时，使得特征提取模型在提取各局部图像的局部特征时，都会倾向于提取局部图像中与所要识别的任务相关的特征，从而提高训练后所进行图像识别的识别结果的准确性。

技术领域

本说明书涉及计算机技术领域，尤其涉及模型训练及图像识别方法、装置、存储介质及电子设备。

背景技术

通常来说，应用机器学习模型来进行图像识别时，不可避免地需要先对图像进行特征提取，才能够根据提取出的特征进行图像识别。

可以将特征提取理解为从图像的抽取出信息的过程。

在提取特征之前，图像对于计算机来说是由若干像素点构成的数值矩阵，矩阵中的数值是每个像素点的亮度、饱和度等。由于像素点之间的是孤立存在的，每个单个像素点的数值不携带有计算机能够理解的图像语义，因此，需要图像中抽取出计算机能够“理解”的向量、数值等，即对图像进行特征提取。

在现有技术中，在采用所提取出的图像的特征进行图像识别之后，可以根据识别结果的准确性来评价从图像中提取的特征的好坏，当识别结果的准确性较高时，则可以认为从图像出提取出的特征是对识别有用的特征。

但若仅以此来构建损失进行训练，当损失达到足够小时，用于进行特征提取的机器学习模型便倾向于认为已经挖掘到足够进行识别的特征，而不再挖掘其他特征，造成图像识别的准确性难以进一步提升。

发明内容

本说明书提供模型训练及图像识别方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种模型训练方法，包括：

确定样本图像，并输入样本图像至待训练的特征提取模型中；

通过所述特征提取模型，以指定的划分方式，从样本图像中划分出若干个局部图像，并为每个局部图像提取对应的局部特征；

针对每个局部图像，将该局部图像的局部特征输入至第一识别模型中，得到所述第一识别模型对该局部图像的识别结果；

以各局部图像的识别结果以及各局部图像所属的样本图像的标注之间的差异最小为目标，对所述特征提取模型中的参数进行调整。

可选地，将该局部图像的局部特征输入至第一识别模型中，具体包括：

将该局部图像的局部特征输入至该局部图像对应的第一识别模型中，其中，该局部图像对应的第一识别模型与其他局部图像对应的第一识别模型不完全相同。

可选地，确定样本图像，并输入样本图像至待训练的特征提取模型中，具体包括：

从样本视频中选取出若干帧图像，并将选取的每一帧图像确定为样本图像；

确定由各样本图像组成的图像序列，并输入所述图像序列至待训练的特征提取模型中；

通过所述特征提取模型，以指定的划分方式，从样本图像中划分出若干个局部图像，并为每个局部图像提取对应的局部特征，具体包括：

采用所述特征提取模型中的三维卷积核，在输入所述特征提取模型的图像序列上滑动，并将每次滑动后所述三维卷积核所占据的各样本图像的图像区域的集合作为从样本图像中划分出的局部图像；

以所述三维卷积核对各局部图像进行卷积，并得到卷积后每个局部图像对应的局部特征。