[发明专利]图像识别模型的训练方法、图像识别方法和装置

说明书

本公开提供了图像识别模型的训练方法、图像识别方法和装置，涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、虚拟数字人等场景。具体实现方案为：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，该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；根据各个预测特征与基准特征的差异度，将多个合成图像中的部分合成图像扩充至该训练集，利用扩充后的训练集调整该初始图像识别模型的参数，以得到最终图像识别模型。本公开能提高图像识别的准确性。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、虚拟数字人等场景。

背景技术

随着人工智能技术的发展与推进，基于深度学习的计算机视觉技术已经在多个方面得到了广泛的应用。在模型训练的过程中，待训练的模型一般需要基于大量的真实图像进行训练，但是由于真实图像的多样性和复杂性，难以对真实图像进行广泛全面的收集。因此，在这种情况下，可以基于合成图像对模型进行训练，以缓解训练集图像匮乏的问题。但是现有的图像合成方法不仅耗时费力，而且存在质量较低的合成图像。这类图像往往会对训练过程造成不可避免的负面影响，导致影响图像识别模型的训练效果。

发明内容

本公开提供了图像识别模型的训练方法、图像识别方法和装置。

根据本公开的一方面，提供了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，该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；

根据各个预测特征与基准特征的差异度，将多个合成图像中的部分合成图像扩充至该训练集，利用扩充后的训练集调整该初始图像识别模型的参数，以得到最终图像识别模型。

根据本公开的另一方面，提供了一种图像识别方法，包括：

将待识别图像输入图像识别模型，由该图像识别模型输出针对该待识别图像的预测关键点和/或图像识别类型；其中，

该图像识别模型由上述任意一种图像识别模型的训练方法训练得到；

该待识别图像包括真实图像和/或合成图像。

根据本公开的另一方面，提供了一种图像识别模型的训练装置，包括：

第一确定模块，用于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，该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；

调整模块，用于根据各个预测特征与基准特征的差异度，将多个合成图像中的部分合成图像扩充至该训练集，利用扩充后的训练集调整该初始图像识别模型的参数，以得到最终图像识别模型。

根据本公开的另一方面，提供了一种图像识别装置，包括：

识别模块，用于将待识别图像输入图像识别模型，由该图像识别模型输出针对该待识别图像的预测关键点和/或图像识别类型；其中，

该图像识别模型由上述任意一种图像识别模型的训练装置训练得到；

该待识别图像包括真实图像和/或合成图像。

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；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开中任一实施例的方法。