[发明专利]图像识别方法、存储介质及电子设备

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取第一图像，其中，所述第一图像为目标域待识别图像，所述第一图像中的显示内容包括：待识别区域；

采用预先构建的图像识别模型对所述第一图像进行图像识别，得到识别结果，其中，所述预先构建的图像识别模型是利用跨域注意力机制对源域和目标域图像进行特征融合后生成的图像识别方式；

基于所述识别结果对所述待识别区域执行目标操作；

其中，所述预先构建的图像识别模型包括：目标学生模型，其中，所述目标学生模型通过初始教师模型对初始学生模型进行训练得到；

其中，所述图像识别方法还包括：获取第一参数和第二参数，其中，所述第一参数为初始学生模型的预测准确率，所述第二参数为所述初始学生模型的初始目标域损失；利用所述第一参数、第二参数和预设调整函数，计算得到第三参数，其中，所述第三参数为所述初始学生模型的最终目标域损失，所述预设调整函数由目标域样本图像对应的训练迭代次数确定；基于所述第三参数，对所述初始学生模型的模型参数进行更新，得到所述目标学生模型；

其中，利用所述第一参数、所述第二参数和所述预设调整函数，计算得到所述第三参数包括：对所述第一参数和所述预设调整函数进行计算，得到第四参数，其中，所述第四参数为所述初始学生模型的协调权重，所述协调权重用于协调所述初始学生模型的所述初始目标域损失与初始源域损失之间的损失权重；对所述第二参数和所述第四参数进行计算，得到所述第三参数。

2.根据权利要求1所述的图像识别方法，其特征在于，所述初始学生模型与所述初始教师模型的输入数据包括：第二图像和第三图像，所述第二图像为源域样本图像，所述第三图像为目标域样本图像，所述初始学生模型与所述初始教师模型具有相同的网络结构，所述网络结构包括：多个网络层，所述多个网络层中每个网络层包括：多个源域特征与多个目标域特征，且在每个网络层中对所述多个源域特征与所述多个目标域特征进行混合。

3.根据权利要求2所述的图像识别方法，其特征在于，获取所述第一参数包括：

采用初始教师模型对所述第三图像进行预测，得到伪标签；

采用所述初始学生模型对所述第三图像进行预测，得到预测值；

基于所述伪标签和所述预测值计算得到所述第一参数。

4.根据权利要求3所述的图像识别方法，其特征在于，采用所述初始学生模型对所述第三图像进行预测，得到所述预测值包括：

采用所述初始学生模型对所述第二图像和所述第三图像进行转换，得到候选特征令牌；

基于所述第二图像的类别标签获取所述第二图像对应的第一语义掩码以及所述第三图像对应的第二语义掩码；

从所述候选特征令牌中选取所述第一语义掩码对应的第一目标特征令牌以及所述第二语义掩码对应的第二目标特征令牌；

利用所述第一目标特征令牌和所述第二目标特征令牌得到更新后的特征令牌；

基于所述更新后的特征令牌对所述第三图像进行预测，得到所述预测值。

5.根据权利要求2所述的图像识别方法，其特征在于，通过终端设备提供一图形用户界面，所述图形用户界面所显示的内容至少部分地包含一目标域图像识别场景，所述图像识别方法还包括：

响应作用于所述图形用户界面的第一触控操作，确定所述第一图像；

响应作用于所述图形用户界面的第二触控操作，将所述第一图像输入至所述目标学生模型进行图像识别，得到所述识别结果；

在所述图形用户界面内展示所述识别结果。

6.根据权利要求5所述的图像识别方法，其特征在于，所述图像识别方法还包括：

响应对所述识别结果执行的编辑操作，对初始教师模型进行更换，得到更换后教师模型；

基于所述更换后教师模型对所述目标学生模型进行优化，得到优化后学生模型；

采用所述优化后学生模型对所述第一图像进行图像识别，得到最新识别结果。