[发明专利]训练图像识别模型的方法、装置及相关设备

说明书

本公开的实施例涉及一种训练图像识别模型的方法、装置及相关设备。该方法包括：从输入图像的检测框子图中提取子图特征数据。该方法还可以包括：从索引要素库中确定与子图特征数据相匹配的要素特征数据，该索引要素库是基于从多个备选图像中提取的多个要素特征数据而预先构建的。此外，该方法还可以包括：输出与要素特征数据相关的图像作为训练图像，以训练图像识别模型。本公开的技术方案通过提供或自行标注少量图像来快速且准确地获取足够数量的检测框内容相似的已标注图像，从而显著提高了工作效率。

技术领域

本公开的实施例主要涉及信息处理领域，并且更具体地，涉及用于训练图像识别模型的方法、装置及相关设备(电子设备和计算机可读存储介质)。

背景技术

随着近年来深度学习技术的普及，神经网络被越来越频繁地用于训练计算机视觉的相关任务。例如，物体(目标)检测是一类比较经典的问题，其任务是用检测框来标注出图像中物体的位置，并给出物体的类别。然而，即便基于深度学习的物体检测技术愈发成熟，获取物体检测训练数据的成本依旧很高。在训练图像识别模型前，技术人员通常需要从公开数据集中筛选、清洗可用的训练数据，或者更为繁琐地直接进行人工标注。这在整个模型迭代过程中占据了相当多的时间和人力成本。为此，需要寻找一种快速高效、低成本的训练图像识别模型的方法。

发明内容

根据本公开的示例实施例，提供了一种训练图像识别模型的方案。

在本公开的第一方面中，提供了一种训练图像识别模型的方法，包括：从输入图像的检测框子图中提取子图特征数据；从索引要素库中确定与子图特征数据相匹配的要素特征数据，其中索引要素库是基于从多个备选图像中提取的多个要素特征数据而预先构建的；以及输出与要素特征数据相关的图像作为训练图像，以训练图像识别模型。

在本公开的第二方面中，提供了一种用于图像识别的方法，包括：基于图像识别模型进行图像识别，其中图像识别模型是基于本公开的第一方面的训练图像训练得到的

在本公开的第三方面中，提供了一种训练图像识别模型的装置，包括：特征数据提取模块，被配置为从输入图像的检测框子图中提取子图特征数据；匹配数据确定模块，被配置为从索引要素库中确定与子图特征数据相匹配的要素特征数据，其中索引要素库是基于从多个备选图像中提取的多个要素特征数据而预先构建的；以及图像输出模块，被配置为输出与要素特征数据相关的图像作为训练图像，以训练图像识别模型。

在本公开的第四方面中，提供了一种用于图像识别的装置，包括：图像识别模块，被配置为基于图像识别模型进行图像识别，其中图像识别模型是基于本公开的第三方面的训练图像训练得到的。

在本公开的第五方面中，提供了一种设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一、第二方面的方法。

在本公开的第六方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一、第二方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的一些实施例的详细示例环境的示意图；

图3示出了根据本公开的实施例的用于训练图像识别模型的过程的流程图；