[发明专利]一种目标识别方法、装置、终端设备和可读存储介质

说明书

本申请适用于图像识别技术领域，提供了一种目标识别方法、装置、终端设备和可读存储介质。其中，上述目标识别方法具体包括：获取待识别目标的目标图像；对所述目标图像进行特征提取，得到所述目标图像中的图像特征；将所述图像特征输入至目标识别网络模型中，得到所述待识别目标所属分类的识别结果，其中，所述目标识别网络模型的损失函数用于约束样本图像的样本图像特征与所述样本图像所属视角的视角中心之间的距离，以及约束不同视角的所述视角中心与所有视角的特征中心之间的距离。本申请的实施例可以提高目标识别的准确性。

技术领域

本申请属于图像识别技术领域，尤其涉及一种目标识别方法、装置、终端设备和可读存储介质。

背景技术

目标识别是计算机视觉技术的一个重要应用领域，相关技术中常利用基于深度学习的网络模型来实现目标识别。损失函数是网络模型的重要组成部分之一。网络模型通常是以数据为输入，通过最小化损失函数进行模型训练，以最小化网络模型对于数据的预测值和该数据的真实值之间的误差来优化网络模型。

相关技术中，通常采用交叉熵损失函数来进行模型训练，交叉熵损失函数约束所有样本图像的特征趋于一致，但实际应用中发现，一些情况下，采用交叉熵损失函数训练得到的模型难以准确地进行目标识别。

发明内容

本申请实施例提供一种目标识别方法、装置、终端设备和可读存储介质，可以提高目标识别的准确性。

本申请实施例第一方面提供一种目标识别方法，包括：获取待识别目标的目标图像；对所述目标图像进行特征提取，得到所述目标图像中的图像特征；将所述图像特征输入至目标识别网络模型中，得到所述待识别目标所属分类的识别结果，其中，所述目标识别网络模型的损失函数用于约束样本图像的样本图像特征与所述样本图像所属视角的视角中心之间的距离，以及约束不同视角的所述视角中心与所有视角的特征中心之间的距离。

本申请实施例第二方面提供的一种目标识别装置，包括：图像获取单元，用于获取待识别目标的目标图像；特征提取单元，用于对所述目标图像进行特征提取，得到所述目标图像中的图像特征；目标识别单元，用于将所述图像特征输入至目标识别网络模型中，得到所述待识别目标所属分类的识别结果，其中，所述目标识别网络模型的损失函数用于约束样本图像的样本图像特征与所述样本图像所属视角的视角中心之间的距离，以及约束不同视角的所述视角中心与所有视角的特征中心之间的距离。

本申请实施例第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述目标识别方法的步骤。

本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述目标识别方法的步骤。

本申请实施例第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的目标识别方法。

在本申请的实施方式中，通过对待识别目标的目标图像进行特征提取，得到目标图像中的图像特征，将图像特征输入至目标识别网络模型中，得到待识别目标所属分类的识别结果，其中，目标识别网络模型的损失函数用于约束样本图像的样本图像特征与样本图像所属视角的视角中心之间的距离，以及约束不同视角的视角中心与所有视角的特征中心之间的距离，也就是说，在模型训练的过程中，不强制约束每个样本图像特征都趋近于特征中心，对于同一目标在不同视角下特征差异较大情况，可以避免因为同一视角下特征差异较大引起的难以识别的问题，提高了目标识别的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。