[发明专利]图像数据处理方法、装置、计算机设备和存储介质

说明书

本申请公开了一种图像数据处理方法、装置、计算机设备和存储介质，该方法包括：将N个标签图像和M个无标签图像输入图像识别模型；在图像识别模型中确定每个标签图像包含的对象的第一身份预测结果，从图像集合中获取每个标签图像的相似图像；图像集合包括N个标签图像和M个无标签图像；每个标签图像的相似图像未携带所属标签图像携带的对象身份标签；根据每个标签图像与所属相似图像确定相似差异损失函数，根据每个标签图像的第一身份预测结果和携带的对象身份标签确定预测损失函数；基于相似差异损失函数和预测损失函数修正图像识别模型的模型参数，得到目标图像识别模型。采用本申请，可提高目标图像识别模型对于对象身份识别的准确性。

技术领域

本申请涉及图像数据处理的技术领域，尤其涉及一种图像数据处理方法、装置、计算机设备和存储介质。

背景技术

随着计算机网络的不断发展，AI（人工智能）被应用在了生活的方方面面，例如通过人工智能中的机器学习训练模型，进而可以利用训练得到的模型进行图像识别。

现有技术中，通常可以根据样本数据的类别标签，预先设定好期望的全局分类边界，使得模型依据该边界逐步学习出样本数据的特征空间。而通过预先设定好期望的全局分类边界来训练模型，通常会使得所训练得到的模型会偏向于某种类别的属性。例如，在人脸识别场景中，会使得所训练得到的模型偏向某类人脸中的肤色属性、发型属性或者饰品属性等，而当模型偏向于这些类别的人脸属性时，会使得模型在进行人脸识别时，更偏向于识别此类人脸属性，而导致对全局人脸属性的识别准确度低。

发明内容

本申请提供了一种图像数据处理方法、装置、计算机设备和存储介质，可提高目标图像识别模型对于对象身份识别的准确性。

本申请一方面提供了一种图像数据处理方法，包括：

获取N个标签图像和M个无标签图像，将N个标签图像和M个无标签图像输入图像识别模型；N和M均为正整数；N个标签图像分别携带有所包含的对象的对象身份标签；N个标签图像所携带的对象和M个无标签图像所携带的对象属于相同的对象类型；

在图像识别模型中确定每个标签图像所包含的对象的第一身份预测结果，从图像集合中获取每个标签图像的相似图像；图像集合包括N个标签图像和M个无标签图像；每个标签图像的相似图像未携带所属标签图像所携带的对象身份标签；

根据每个标签图像与所属的相似图像之间的图像相似度确定相似差异损失函数，根据每个标签图像对应的第一身份预测结果和所携带的对象身份标签确定预测损失函数；

基于相似差异损失函数和预测损失函数修正图像识别模型的模型参数，得到目标图像识别模型；目标图像识别模型用于对属于对象类型的对象进行身份识别。

本申请一方面提供了一种图像数据处理方法，包括：

获取N个标签图像和M个无标签图像；N和M均为正整数；N个标签图像分别携带有所包含的对象的对象身份标签；N个标签图像所携带的对象和M个无标签图像所携带的对象属于相同的对象类型；

将N个标签图像输入初始图像识别模型，在初始图像识别模型中确定每个标签图像所包含的对象的第二身份预测结果，根据每个标签图像对应的第二身份预测结果和每个标签图像所携带的对象身份标签，修正初始图像识别模型的模型参数，得到图像识别模型；

将N个标签图像和M个无标签图像输入图像识别模型，在图像识别模型中确定每个标签图像所包含的对象的第一身份预测结果，从图像集合中获取每个标签图像的相似图像；图像集合包括N个标签图像和M个无标签图像；每个标签图像的相似图像未携带所属标签图像所携带的对象身份标签；

根据每个标签图像与所属的相似图像之间的图像相似度确定相似差异损失函数，根据每个标签图像对应的第一身份预测结果和所携带的对象身份标签确定预测损失函数；