[发明专利]图像识别模型的训练方法、图像识别方法和装置

权利要求书

1.一种图像识别模型的训练方法，包括：

采用初始图像识别模型，确定多个合成图像中各个合成图像的预测特征、以及真实图像的基准特征，其中，所述初始图像识别模型利用包含多个真实图像的训练集训练得到；

根据各个所述预测特征与所述基准特征的差异度，将所述多个合成图像中的部分合成图像扩充至所述训练集，利用扩充后的训练集调整所述初始图像识别模型的参数，以得到最终图像识别模型。

2.根据权利要求1所述的方法，其中，所述根据各个所述预测特征与所述基准特征的差异度，将所述多个合成图像中的部分合成图像扩充至所述训练集，包括：

分别计算各个所述预测特征与所述基准特征的差异度；

确定满足第一预设条件的至少一个差异度；

将确定出的至少一个差异度对应的合成图像加入所述训练集，以扩充所述训练集。

3.根据权利要求2所述的方法，其中，所述确定满足第一预设条件的至少一个差异度，包括：

确定小于或等于预设阈值的至少一个差异度；和/或，

确定多个所述预测特征与所述基准特征的差异度中，最小的K个差异度，所述K为预先确定的整数。

4.根据权利要求2或3所述的方法，其中，所述分别计算各个所述预测特征与所述基准特征的差异度，包括：

分别计算各个所述预测特征与所述基准特征的特征分布差异，所述特征分布差异用于表征所述差异度。

5.根据权利要求2-4中任一所述的方法，其中，所述利用扩充后的训练集调整所述初始图像识别模型的参数，以得到最终图像识别模型，包括：

将所述扩充后的训练集中的各个样本分别输入所述初始图像识别模型，以得到所述各个样本的预测关键点；所述样本为真实图像或合成图像；

利用所述各个样本的预测关键点和标签，确定损失函数；

在所述损失函数不满足第二预设条件的情况下，重复执行根据所述差异度扩充训练集、利用所述扩充后的训练集调整初始图像识别模型的参数的过程，直至所述损失函数满足第二预设条件。

6.根据权利要求5所述的方法，其中，所述第二预设条件包括以下至少之一：

所述损失函数小于或等于损失函数阈值；

所述损失函数的变化不存在减小的趋势。

7.根据权利要求1-6中任一所述的方法，其中，所述采用初始图像识别模型，确定真实图像的基准特征，包括：

从所述训练集中选择至少一个真实图像；

采用所述初始图像识别模型，确定选择的至少一个真实图像的基准特征。

8.根据权利要求1-7中任一所述的方法，其中，所述初始图像识别模型包括低层信息提取模块；

所述采用初始图像识别模型，确定多个合成图像中各个合成图像的预测特征、以及真实图像的基准特征，包括：

利用所述初始图像识别模型中的低层信息提取模块，提取各个合成图像的预测特征、以及真实图像的基准特征；其中，

所述合成图像的预测特征，用于表征所述合成图像的纹理特征；

所述真实图像的基准特征，用于表征所述真实图像的纹理特征。

9.根据权利要求8所述的方法，其中，所述纹理特征包括粗糙度、方向度、肤色、规整度和光照纹理中的至少之一。

10.根据权利要求8或9所述的方法，其中，所述初始图像识别模型还包括高层信息提取模块和/或识别模块；其中，

所述高层信息提取模块用于确定输入图像的关键点；

所述识别模块用于根据输入图像的关键点识别图像类型。

11.根据权利要求1-10中任一所述的方法，其中，

所述真实图像包括图像采集装置采集的人手图像；

所述合成图像包括人手图像合成模型合成的人手图像。