[发明专利]图像识别的处理方法及装置、设备、介质和产品

说明书

本公开提供了一种图像识别的处理方法及装置、设备、介质和产品，涉及人工智能技术领域，具体涉及深度学习、计算机视觉技术领域，可应用于人脸识别等场景域。具体实现方案包括：将样本人脸图像作为图像识别模型的输入数据，得到与样本人脸图像关联的基于至少一个图像区域的图像识别结果；根据图像识别结果和与样本人脸图像关联的基于至少一个图像区域的预设遮挡标签，计算与图像识别模型关联的分类损失值；以及基于分类损失值调整图像识别模型的模型参数，得到调整后的图像识别模型。

技术领域

本公开涉及人工智能技术领域，具体涉及深度学习、计算机视觉技术领域，可应用于人脸识别等场景域。

背景技术

在模型训练过程中，可以根据针对样本数据的模型识别结果和预设标标签数据，确定与深度学习模型关联的分类损失值。利用分类损失值反向传播调整深度学习模型的模型参数，得到经优化的深度学习模型。但是，在一些场景下，存在深度学习模型的优化效率低、鲁棒性不佳的现象。

发明内容

本公开提供了一种图像识别的处理方法及装置、设备、介质和产品。

根据本公开的一方面，提供了一种图像识别的处理方法，包括：将样本人脸图像作为图像识别模型的输入数据，得到与所述样本人脸图像关联的基于至少一个图像区域的图像识别结果；根据所述图像识别结果和与所述样本人脸图像关联的基于所述至少一个图像区域的预设遮挡标签，计算与所述图像识别模型关联的分类损失值；以及基于所述分类损失值调整所述图像识别模型的模型参数，得到调整后的图像识别模型。

根据本公开的另一方面，提供了一种图像识别的处理装置，包括：第一处理模块，用于将样本人脸图像作为图像识别模型的输入数据，得到与所述样本人脸图像关联的基于至少一个图像区域的图像识别结果；第二处理模块，用于根据所述图像识别结果和与所述样本人脸图像关联的基于所述至少一个图像区域的预设遮挡标签，计算与所述图像识别模型关联的分类损失值；以及第三处理模块，用于基于所述分类损失值调整所述图像识别模型的模型参数，得到调整后的图像识别模型。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的图像识别的处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的图像识别的处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的图像识别的处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的图像识别的处理方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的图像识别的处理方法的流程图；

图3示意性示出了根据本公开另一实施例的图像识别的处理方法的示意图；

图4示意性示出了根据本公开一实施例的图像识别结果的示意图；

图5示意性示出了根据本公开一实施例的图像识别的处理装置的框图；

图6示意性示出了根据本公开实施例的用于执行图像识别的处理的电子设备的框图。

具体实施方式