[发明专利]图像识别方法和装置

权利要求书

1.一种图像识别方法，包括：

获得待识别对象的图像数据；

利用信息缺失模型确定所述图像数据的信息缺失状态，所述图像数据的信息缺失状态表征所述图像数据中所述待识别对象的信息缺失情况；

如果所述图像数据的信息缺失状态满足条件，利用所述图像识别模型对所述图像数据进行图像识别，以确定所述图像数据中所述待识别对象的对象类别；

其中，所述信息缺失模型为利用标注有缺失状态标签的多个图像数据样本训练得到的，所述缺失状态标签是根据所述图像识别模型确定的。

2.根据权利要求1所述的方法，其中，所述图像识别模型为利用标注有对象类别标签的多个图像数据样本训练得到，所述对象类别标签用于表征所述图像数据样本中对象的对象类别。

3.根据权利要求2所述的方法，所述信息缺失模型为利用标注有缺失状态标签且用于训练所述图像识别模型的多个图像数据样本训练得到的；

其中，所述图像数据样本标注的缺失状态标签为：根据所述图像识别模型识别出的所述图像数据样本中的对象归属于目标对象类别的可能性概率确定的，所述目标对象类别为所述图像识别模型识别出所述对象归属的至少一个对象类别中，可能性概率满足设定条件的对象类别。

4.根据权利要求3所述的方法，所述图像识别模型和所述信息缺失模型通过如下方式训练得到：

获得标注有对象类别标签的多个图像数据样本；

基于所述图像数据样本标注的对象类别标签，利用所述多个图像数据样本对待训练的图像识别模型进行训练，得到经过训练的图像识别模型；

利用经过训练的图像识别模型，确定所述图像数据样本中对象可能归属的至少一个对象类别及所述对象分别归属于所述至少一个对象类别的可能性概率；

从所述图像数据样本中对象可能归属的至少一个对象类别中，确定可能性概率满足设定条件的目标对象类别；

基于所述目标对象类别的可能性概率，标注所述图像数据样本的缺失状态标签；

基于标注有缺失状态标签的各所述图像数据样本对待训练的信息缺失模型进行训练，得到经过训练的信息缺失模型。

5.根据权利要求4所述的方法，在得到经过训练的信息缺失模型之后，还包括：

如果当前尚未到达模型训练结束条件，利用所述经过训练的信息缺失模型，确定所述图像数据样本的信息缺失状态；

从所述多个图像数据样本中筛选出信息缺失状态满足条件的图像数据样本，得到筛选出的多个图像数据样本；

将经过训练的信息缺失模型作为下次待训练的信息缺失模型，将所述经过训练的图像识别模型作为下次待训练的图像识别模型，并将筛选后的多个图像数据样本作为用于训练的多个图像数据样本，返回执行所述基于所述图像数据样本标注的对象类别标签，利用所述多个图像数据样本对待训练的图像识别模型进行训练的操作，直至达到所述模型训练结束条件。

6.根据权利要求2所述的方法，所述信息缺失模型和所述图像识别模型均为网络模型，且所述信息缺失模型的网络层数少于所述图像识别模型的网络层数。

7.根据权利要求1所述的方法，还包括：

如果所述图像数据的信息缺失状态不满足条件，将所述图像数据确定为不能够进行图像识别的图像数据。

8.根据权利要求1所述的方法，所述图像数据的信息缺失状态包括：所述图像数据的信息缺失程度或者所述图像数据的信息缺失类别，所述信息缺失类别属于信息缺失类以及信息未缺失类两种类别中的一种；

所述图像数据的信息缺失状态满足条件，包括：

所述图像数据的信息缺失程度低于设定程度；

或者，

所述图像数据的信息缺失类别为信息未缺失类。