CN114092759A - 图像识别模型的训练方法、装置、电子设备及存储介质 - Google Patents
图像识别模型的训练方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114092759A CN114092759A CN202111256246.1A CN202111256246A CN114092759A CN 114092759 A CN114092759 A CN 114092759A CN 202111256246 A CN202111256246 A CN 202111256246A CN 114092759 A CN114092759 A CN 114092759A
- Authority
- CN
- China
- Prior art keywords
- image recognition
- modal
- features
- initial
- sample images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000002372 labelling Methods 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims description 68
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007499 fusion processing Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 238000013135 deep learning Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000000295 complement effect Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000013257 coordination network Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像识别模型的训练方法、装置、电子设备及存储介质,涉及人工智能技术领域,具体涉及深度学习、计算机视觉等技术领域,可应用于图像处理和图像识别场景下。包括:获取多个样本图像和对应的模态,根据多种模态,确定与样本图像对应的标注关系特征,以及根据多个样本图像、多种标注关系特征,标注识别信息训练初始的图像识别模型,得到目标图像识别模型,能够有效地利用图像的多模态优势,实现将样本图像不同模态之间的关联特征作为标注数据以进行模型训练,使得训练得到的目标图像识别模型能够有效地学习建模出图像不同模态之间的关系,有效地提升目标图像识别模型的识别性能,提升目标图像识别模型的识别效果。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及深度学习、计算机视觉等技术领域,可应用于图像处理和图像识别场景下,尤其涉及图像识别模型的训练方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
相关技术中,在图像识别模型的训练过程中,未充分利用图像的多模态优势,从而导致训练得到图像识别模型的图像识别性能较差。
发明内容
本公开提供了一种图像识别模型的训练方法、图像识别方法、装置、电子设备、存储介质及计算机程序产品。
根据本公开的第一方面,提供了一种图像识别模型的训练方法,包括:获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
根据本公开的第二方面,提供了一种图像识别方法,包括:获取多个待识别图像,其中,所述多个待识别图像分别对应多种模态;将所述多个待识别图像分别输入至如本公开第一方面的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到所述目标图像识别模型输出的目标识别信息。
根据本公开的第三方面,提供了一种图像识别模型的训练装置,包括:第一获取模块,用于获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;确定模块,用于根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及训练模块,用于根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
根据本公开的第四方面,提供了一种图像识别装置,包括:第二获取模块,用于获取多个待识别图像,其中,所述多个待识别图像分别对应多种模态;输入模块,用于将所述多个待识别图像分别输入至如本公开第三方面的图像识别模型的训练装置训练得到的目标图像识别模型之中,以得到所述目标图像识别模型输出的目标识别信息。
根据本公开的第五方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如本公开第一方面所述的图像识别模型的训练方法,或者执行如本公开第二方面所述的图像识别方法。
根据本公开的第六方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如本公开第一方面所述的图像识别模型的训练方法,或者执行如本公开第二方面所述的图像识别方法。
根据本公开的第七方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开第一方面所述的图像识别模型的训练方法的步骤,或者执行如本公开第二方面所述的图像识别方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开实施例提供的图像识别模型的结构示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是根据本公开第五实施例的示意图;
图7是根据本公开第六实施例的示意图;
图8是根据本公开第七实施例的示意图;
图9示出了用来实施本公开的实施例的图像识别模型的训练方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的图像识别模型的训练方法的执行主体为图像识别模型的训练装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及人工智能技术领域,具体涉及计算机视觉和深度学习技术领域,可应用于图像处理和图像识别场景下。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
计算机视觉,指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
而图像处理和图像识别场景可以例如,采用一些硬件设备或者软件计算处理逻辑对待处理图像进行识别,以识别得到相应的图像特征,并采用该图像特征辅助后续的检测应用,当将本公开提供的图像识别模型的训练方法应用于图像处理和图像识别场景中,能够有效地利用图像处理和图像识别场景中图像的多模态优势,实现将样本图像不同模态之间的关联特征作为标注数据以进行模型训练,使得训练得到的目标图像识别模型能够有效地学习建模出图像不同模态之间的关系,有效地提升目标图像识别模型的识别性能,提升目标图像识别模型的识别效果。
如图1所示,该图像识别模型的训练方法,包括:
S101:获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息。
其中,用于训练图像识别模型的图像,可以被称为样本图像,该样本图像,可以是通过手机、相机等具有拍摄功能的摄像装置拍摄得到的,或者,该样本图像也可以是从视频中解析得到的,例如,该样本图像,可以是从视频包含的多个视频帧之中提取出的部分帧视频图像,对此不做限制。
其中,多个样本图像可以分别对应多种模态,例如,多个样本图像可以分别对应三原色(Red Green Blue,RGB)模态,深度(Depth)模态,红外线(Infrared Radiation,IR)模态等,对此不做限制。
也即是说,本公开实施例中,获取多个样本图像,可以是分别获取RGB图像,Depth图像,IR图像,并将前述获取得到的图像共同作为样本图像,对此不做限制。
举例而言,获取多个样本图像,可以是采用可见光相机、红外相机(IR相机)和深度相机,针对样本人脸分别采集不同模态的人脸图像,并将采集得到的人脸图像共同作为样本图像,对此不做限制。
也即是说,本公开实施例的一种应用场景可以例如为,获取具有多种模态的人脸图像,再根据获取得到的多种模态的人脸图像,训练得到相应的人脸图像识别模型,该人脸图像识别模型可以被用于执行人脸活体检测,对此不做限制。
需要说明的是,本公开实施例中的人脸图像,或者是其它任意可能涉及到用户信息的图像,均是在经过相关用户授权后获取的,其获取过程均符合相关法律、法规的规定,且不违背公序良俗。
其中,在图像识别模型的训练过程中,被用于作为判定模型收敛(即模型是否达标)时机的参考识别信息,即可以被称为标注识别信息,而标注识别信息可以具体例如为不同维度的图像特征,例如为语义维度的特征,色彩维度的特征,明暗度维度的特征等,对此不做限制。
上述在获取样本图像后,可以实时地对样本图像进行图像解析,以确定样本图像对应标注识别信息,举例而言,可以从获取得到的人脸图像中识别出局部图像区域(例如五官区域,皮肤区域,脸型轮廓区域),而后,对局部图像区域进行图像解析,以确定五官信息,肤色信息,脸型轮廓信息等作为标注识别信息,对此不做限制。
S102:根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像。
上述在获取多个样本图像后,可以根据多个样本图像分别对应的多种模态,确定与多个样本图像分别对应的多种标注关系特征。
其中,多个样本图像中,当前待确定其标注关系特征的样本图像即可以被称为相应样本图像,相应地,多个样本图像中除相应样本图像外的样本图像,即可以被称为其他样本图像。
其中,标注关系特征,可以用于描述相应样本图像的模态与其他样本图像的模态之间的关联情况,该关联情况可以具体例如为样本图像的模态与其他样本图像的模态之间特征维度的关联情况,语义维度的关联情况等等,对此不做限制。
举例而言,相应样本图像的模态与其他样本图像的模态之间的关联情况,可以具体是不同模态之间的相似度,不同模态表征的语义向量之间的欧式距离,或者,也可以是其他任意可能形式的关联情况,对此不做限制。
也即是说,本公开实施例中在确定与多个样本图像分别对应的多种模态之后,可以是根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,从而实现将样本图像不同模态之间的关联特征作为标注数据以进行模型训练,能够使得训练得到的目标图像识别模型能够有效地学习建模出图像不同模态之间的关系。
一些实施例中,根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,可以是从多个样本图像中确定出一个当前待确定其标注关系特征的样本图像,而后,确定相对于该样本图像的其他样本图像,并确定相应样本图像的模态与其他样本图像的模态,以及分析多种模态之间的关联特征,将该关联特征作为该样本图像的标注关系特征,可以采用相应的处理方式确定出与各个样本图像对应的标注关系特征。
S103:根据多个样本图像、多种标注关系特征,以及标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
上述在根据多种模态,确定与多个样本图像分别对应的多种标注关系特征后,可以根据多个样本图像、多种标注关系特征,以及标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
其中,在训练的初始阶段获取得到的图像识别模型,可以被称为初始的图像识别模型,该初始的图像识别模型可以是人工智能模型,具体例如为神经网络模型或者是机器学习模型,当然,也可以采用其他任意可能的能够执行图像识别任务的人工智能模型,对此不做限制。
举例而言,可以将多个样本图像、多种标注关系特征,以及标注识别信息输入初始的图像识别模型之中,以得到初始的图像识别模型输出的预测识别信息,如果预测识别信息与标注识别信息之间满足收敛时机,则确定人脸识别模型满足一定收敛条件,可以将训练得到的人脸图像识别模型作为目标人脸图像识别模型。
一些实施例中,还可以针对初始的图像识别模型预先配置损失函数,在训练初始的图像识别模型的过程中,将预测识别信息与标注识别信息作为损失函数的输入参数,并确定损失函数输出的损失值,而后将损失值与设定的损失阈值进行比对,以确定图像识别模型是否满足收敛时机(如果满足收敛时机,则可以指示:模型收敛),如果判定模型收敛,则可以将训练得到的图像识别模型作为目标图像识别模型。
本实施例中,通过获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息,并根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像,以及根据多个样本图像、多种标注关系特征,以及标注识别信息训练初始的图像识别模型,以得到目标图像识别模型,能够有效地利用图像的多模态优势,实现将样本图像不同模态之间的关联特征作为标注数据以进行模型训练,使得训练得到的目标图像识别模型能够有效地学习建模出图像不同模态之间的关系,有效地提升目标图像识别模型的识别性能,提升目标图像识别模型的识别效果。
图2是根据本公开第二实施例的示意图。
如图2所示,该图像识别模型的训练方法,包括:
S201:获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息。
S202:根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像。
S201-S202的描述说明可以具体参见上述实施例,在此不再赘述。
本实施例中的所述初始的图像识别模型可以包括:多个残差网络、与所述多个残差网络分别相连接的多个协同注意力网络,以及待训练图像识别模型,当然,针对初始的图像识别模型的模型结构可以不限于此,还可以采用其他任意可能的人工智能模型结构,对此不做限制。
S203:将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征,其中,初始模态特征,是预测得到的描述相应样本图像的模态的特征。
其中,初始模态特征,是预测得到的描述相应样本图像的模态的特征。
其中,模态的特征可以具体例如为,三原色(Red Green Blue,RGB)模态的特征,深度(Depth)模态的特征,红外线(Infrared Radiation,IR)模态的特征,而特征,可以具体例如是模态的语义特征,光线特征,像素特征等,对此不做限制。
本公开实施例中,可以将多个样本图像分别输入至对应的多个残差网络中,以得到多个残差网络输出的与多个样本图像分别对应的模态特征,该模态特征即可以被称为初始模态特征。
举例而言,可以一并结合图3对本公开实施例做具体的解释说明,图3是根据本公开实施例提供的图像识别模型的结构示意图,包括:多个残差网络、与所述多个残差网络分别相连接的多个协同注意力网络以及待训练图像识别模型,如图3所示,可以将多个样本图像分别输入到多个并行的分支残差网络中,多个并行的残差网络可以具有对应的多个残差模块(ResNet Block),相应地,将多个样本图像分别输入至对应的多个残差网络中,可以是将多个样本图像分别输入到多个并行的分支卷积神经网络的多个残差模块中,以得到多个残差模块输出的多个初始模态特征,初始模态特征的维度为(C,H,W),其中,C表示通道维度,H为特征的高度,W为特征的宽度,对此不做限制。
也即是说,本实施例还可以支持采用残差网络对相应样本图像的模态的特征进行预测,而后根据预测得到的模态的特征结合协同注意力网络辅助确定出不同模态之间的关联特征,即针对模型预测不同模态之间关联特征的性能进行训练,从而辅助在实际图像处理和图像识别场景中,直接基于输入不同模态的图像即可以预测出不同模态之间的关联特征。
S204:将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个预测关系特征。
上述在将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征后,可以将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网路分别输出的多个关系特征,该关系特征即可以被称为预测关系特征,该预测关系特征可以用于描述相应样本图像的模态与其他样本图像的模态之间的关联情况。
也即是说,本实施例中,如上述图3所示,可以在多个残差模块(ResNet Block)后分别连接相应的协同注意力网络,而后可以将上述获取得到的维度为(C,H,W)的分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个预测关系特征。
S205:在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型。
其中,当前待对其进行训练的图像识别模型即可以被称为待训练图像识别模型。
也即是说,上述在得到多个协同注意力网络分别输出的多个预测关系特征后,可以根据多个预测关系特征,标注识别信息训练待训练图像识别模型,以得到目标图像识别模型。
举例而言,如图3所示,上述在得到多个预测关系特征后,可以将多个预测关系特征输入待训练图像识别模型中,再对输入的多个预测关系特征进行特征相加处理,并将相加处理的结果输入至待训练图像识别模型中的全连接层(Fully Connected Layer,FC层)和激活函数,即S型函数(Sigmoid函数)中,以实现对待训练图像识别模型进行训练,得到目标图像识别模型。
其中,针对多个预测关系特征与分别对应的多个标注关系特征,预先配置的收敛条件,即可以被称为第一收敛条件。
一些实施例中,判断多个预测关系特征与分别对应多个标注关系特征之间是否满足第一收敛条件,可以是预先配置相应的损失函数,并将多个预测关系特征与分别对应的多个标注关系特征作为损失函数的输入参数,并确定损失函数的输出值,而后将损失值与设定的损失阈值进行比对,如果损失值小于损失阈值,则可以确定多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件。
上述在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,可以根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型,由于是在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,对待训练图像识别模型进行训练,能够有效地降低图像识别模型的训练成本,实现在训练图像识别模型时,有效地融合不同模态之间的关联特征,能够有效地保障预测关系特征的预测准确性,实现预先针对模型预测不同模态之间关联特征的性能进行训练,从而辅助在实际图像处理和图像识别场景中,直接基于输入不同模态的图像即可以预测出不同模态之间的关联特征,能够较大程度的提升图像识别模型的训练效率。
举例而言,可以将多个预测关系特征和标注识别信息,输入待训练图像识别模型,以得到图像识别模型的输出的预测识别结果,而后可以将预测识别结果和标注识别信息,作为损失函数的输入参数,并确定损失函数输出的损失值,而后将该损失值与设定的损失阈值进行比对,以确定是否满足收敛时机(如果满足收敛时机,则可以指示:待训练图像识别模型收敛),如果判定待训练图像识别模型收敛,则可以将训练得到的图像识别模型作为目标图像识别模型,对此不做限制。
可选地,一些实施例中,根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型,可以是将多个预测关系特征输入至待训练图像识别模型之中,以得到待训练图像识别模型输出的预测识别信息,并在预测识别信息和标注识别信息之间满足第二收敛条件时,将训练得到的图像识别模型作为目标图像识别模型,由此,能够有效地兼顾预测关系特征的预测准确性以及图像识别模型的识别准确性,并且使得收敛判定处理逻辑能够更具有针对性,能够有效地适配于执行不同识别预测任务网络结构的性能需求,有效地拓展了应用场景,还能够保证图像识别模型收敛时机判定的准确性,有效地辅助提升图像识别模型的训练效果。
其中,针对预测识别信息和标注识别信息,预先配置的收敛条件,即可以被称为第二收敛条件。
其中,上述在得到预测关系特征后,可以将多个预测关系特征输入至待训练图像识别模型中,以得到待训练图像识别模型输出的识别信息,该识别信息即可以被称为预测识别信息。
本公开实施例中,在得到待训练图像识别模型输出的预测识别信息后,可以判断预测识别信息和标注识别信息之间满足第二收敛条件,并在预测识别信息和标注识别信息之间满足第二收敛条件时,将训练得到的图像识别模型作为目标图像识别模型。
举例而言,可以预先配置相应的损失函数,并将多个预测识别信息和标注识别信息作为损失函数的输入参数,并确定损失函数的输出值,而后将损失值与设定的损失阈值进行比对,如果损失值小于损失阈值,则可以确定预测识别信息和标注识别信息之间满足第二收敛条件,此时可以将训练得到的图像识别模型作为目标图像识别模型,对此不做限制。
本实施例中,通过获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息,并根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,再将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征,将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个预测关系特征,在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,可以根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型,由于是在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,对待训练图像识别模型进行训练,能够有效地降低图像识别模型的训练成本,实现在训练图像识别模型时,有效地融合不同模态之间的关联特征,能够有效地保障预测关系特征的预测准确性,实现预先针对模型预测不同模态之间关联特征的性能进行训练,从而辅助在实际图像处理和图像识别场景中,直接基于输入不同模态的图像即可以预测出不同模态之间的关联特征,能够较大程度的提升图像识别模型的训练效率。
图4是根据本公开第三实施例的示意图。
如图4所示,该图像识别模型的训练方法,包括:
S401:获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息。
S402:根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像。
S403:将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征,其中,初始模态特征,是预测得到的描述相应样本图像的模态的特征。
S401-S403的描述说明可以具体参见上述实施例,在此不再赘述。
S404:将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个注意力响应特征。
上述在得到多个初始模态特征后,可以将多个初始模态特征分别输入对应的多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个特征,该特征即可以被称为注意力响应特征。
S405:确定与初始模态特征对应的多个参考注意力响应特征,参考注意力响应特征,是多个注意力响应特征之中除初始模态特征所对应注意力响应特征之外的其他注意力响应特征。
其中,多个注意力响应特征中,除与初始模态特征对应的多个注意力特征之外的其他注意力响应特征,即可以被称为参考注意力特征,参考注意力特征可以用于对初始模态特征进行参考处理。
也即是说,本公开实施例中,确定与初始模态特征对应的多个参考注意力特征,可以是从多个注意力响应特征之中,确定与初始模态特征对应的注意力响应特征,再将除该注意力响应特征外的其他注意力响应特征共同作为参考注意力特征。
S406:根据多个参考注意力响应特征处理初始模态特征,以得到对应的预测关系特征。
本公开实施例中,由于是结合协同注意力网络确定参考注意力响应特征,从而使得注意力响应特征能够表征出更具判别性的特征区域,从而能够在根据多个参考注意力响应特征处理初始模态特征时,有效地实现多模态特征间的特征融合,有效地提升预测关系特征的特征表征能力。
一些实施例中,根据多个参考注意力响应特征处理初始模态特征,以得到对应的预测关系特征,可以是分别对多个参考注意力特征和初始模态特征进行特征连接处理或者特征相加处理,并将前述处理得到的特征作为预测关系特征,对此不做限制。
可选地,另一些实施例中,根据多个参考注意力响应特征处理初始模态特征,以得到对应的预测关系特征,可以是从初始模态特征之中解析得到第一模态特征和第二模态特征,其中,第一模态特征和第二模态特征不相同,并对第一模态特征和第二模态特征进行连接处理,以得到参考模态特征,再对初始模态特征和参考模态特征进行融合处理,得到待处理模态特征,以及根据多个参考注意力响应特征处理待处理模态特征,以得到对应的预测关系特征。
其中,第一模态特征,是与初始模态特征对应的样本图像中,背景区域对应的局部模态特征,第二模态特征,是与初始模态特征对应的样本图像中的梯度信息特征,第一模态特征和第二模态特征不相同。
由于是从初始模态特征中,确定出更具判别性的局部模态特征和梯度信息特征,从而可以在后续图像识别模型的训练方法的执行过程中,可以重点关注到更具判别性的特征区域,从而在一定程度上可以简化特征处理逻辑,从而能够有效地辅助提升图像识别模型的训练效率。
也即是说,如上述图3所示,上述在得到维度为(C,H,W)的初始模态特征后,可以对初始模态特征在通道维度进行平均池化处理,以得到样本图像中,背景区域对应的局部模态特征,并将该特征作为第一模态特征(特征维度为(1,H,W))。
相应地,上述在得到维度为(C,H,W)的初始模态特征后,可以对初始模态特征在通道维度进行最大池化处理,以得到与初始模态特征对应的样本图像中的梯度信息特征(特征维度为(1,H,W))。
上述在从初始模态特征之中解析得到第一模态特征和第二模态特征后。可以对第一模态特征和第二模态特征进行连接处理,以得到连接处理后的模态特征,该模态特征即可以被称为参考模态特征。
也即是说,如上述图3所示,可以对特征维度为(1,H,W)的对应模态特征,和特征维度为(1,H,W)的第二模态特征,进行特征连接处理,以得到特征维度为(2,H,W)的参考模态特征。
上述在到特征维度为(2,H,W)的参考模态特征后,可以对初始模态特征和参考模态特征进行融合处理,以得到融合处理后的模态特征,该模态特征即可以被称为待处理模态特征。
举例而言,可以采用1x1的卷积和修正线性单元(Rectified Linear Unit,ReLU)激活函数,对参考模态特征和初始模态特征进行融合处理,再将融合处理后的特征输入Sigmoid函数中,以得到Sigmoid函数输出的待处理模态特征。
本公开实施例中,在对参考模态特征和初始模态特征进行融合处理,以得到待处理模态特征后,可以根据多个参考注意力响应特征处理待处理模态特征,以得到对应的预测关系特征,由于参考模态特征是对第一模态特征和第二模态特征进行连接处理得到的,从而能够有效地保障参考模态特征能够充分表达出样本图像的背景信息和梯度信息,从而能够在基于参考模态特征,生成对应的预测关系特征时,能够有效地保障预测关系特征的预测准确性,使得预测关系特征能够具有更高的参考价值。
可选地,另一些实施例中,根据多个参考注意力响应特征处理待处理模态特征,以得到对应的预测关系特征,还可以是对多个参考注意力响应特征进行相加处理,以得到目标注意力响应特征,并对目标注意力响应特征和待处理模态特征进行相乘处理,以得到对应的预测关系特征,由于是对多个参考注意力特征进行相加处理,在对相加处理得到的目标注意力响应特征和待处理模态特征进行相乘处理,以得到对应的预测关系特征,从而能够构成多个模态之间的一个闭环互补协同,能够有效地实现多个模态特征之间的互补增强,使得预测得到的预测关系特征能够有效地表达出图像不同模态之间的关系。
其中,如上述图3所示,上述在得到待处理模态特征后,可以对多个参考注意力响应特征进行相加处理,以得到相应的注意特征,该注意力特征即可以被称为目标注意力特征。
其中,如上述图3所示,上述在得到目标注意力特征后,可以对目标注意力响应特征和待处理模态特征进行相乘处理,即可以将多个目标注意力特征分别相乘到待处理模态特征上,以得到多个预测关系特征。
S407:在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型。
S407的描述说明可以具体参见上述实施例,在此不再赘述。
综上所述,本公开实施例通过对图像的不同模态特征进行特征协同互补增强,从而实现了从其中一个模态特征中挖掘出更具判别性的特征,并将其协同互补到其他模态特征上,从而使得训练得到的图像识别模型能够得到更具判别性的融合特征,从而在将本公开实施例提供的图像识别模型应用到人脸活体检测的应用场景中时,能够有效地提升人脸活体检测的性能,使得人脸活体检测,能够应用于安防、考勤、金融、门禁通行等诸多场景,有效地辅助提升以人脸活体检测技术为基础的诸多应用的效果和用户体验,有利于人脸活体检测项目的进一步推广。
需要说明的是,本公开实施例中的人脸图像,或者是其它任意可能涉及到用户信息的图像,均是在经过相关用户授权后获取的,其获取过程均符合相关法律、法规的规定,且不违背公序良俗。
本实施例中,通过获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息,并根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像,再将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征,再将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个注意力响应特征,并确定与初始模态特征对应的多个参考注意力响应特征,以及根据多个参考注意力响应特征处理初始模态特征,以得到对应的预测关系特征,而能够在根据多个参考注意力响应特征处理初始模态特征时,有效地实现多模态特征间的特征融合,有效地提升预测关系特征的特征表征能力,在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型,有效地提升目标图像识别模型的识别性能,提升目标图像识别模型的识别效果。
图5是根据本公开第四实施例的示意图。
其中,需要说明的是,本实施例的图像生成方法的执行主体为图像生成装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
如图5所示,该图像识别方法包括:
S501:获取多个待识别图像,其中,多个待识别图像分别对应多种模态。
其中,当前待对其进行识别的图像,即可以被称为待识别图像,该待识别图像可以是针对任意目标对象进行图像采集而得到的图像,该待识别图像也可以是从多个视频帧之中提取出的部分帧视频图像,对此不做限制。
需要说明的是,本公开实施例中的人脸图像,或者是其它任意可能涉及到用户信息的图像,均是在经过相关用户授权后获取的,其获取过程均符合相关法律、法规的规定,且不违背公序良俗。
S502:将多个待识别图像分别输入至如上述的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到目标图像识别模型输出的目标识别信息。
上述在获取多个待识别图像后,可以将多个待识别图像分别输入至如上述的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到目标图像识别模型输出的识别信息,该识别信息即可以被称为目标识别信息。
本实施例中,通过获取多个待识别图像,其中,多个待识别图像分别对应多种模态,再将多个待识别图像分别输入至如上述的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到目标图像识别模型输出的目标识别信息,由于目标图像识别模型是根据多模态图像训练得到的,从而在采用训练得到的图像识别模型识别待识别图像时,能够达建模出更为准确的目标识别信息,有效地提升图像识别模型的图像识别效果。
图6是根据本公开第五实施例的示意图。
如图6所示,该图像识别模型的训练装置60,包括:
第一获取模块601,用于获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息;
确定模块602,用于根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像;以及
训练模块603,用于根据多个样本图像、多种标注关系特征,以及标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
在本公开的一些实施例中,如图7所示,图7是根据本公开第六实施例的示意图,该人脸图像识别模型的训练装置70,包括:第一获取模块701、确定模块702、训练模块703,其中,训练模块703,包括:
第一处理子模块7031,用于将多个样本图像分别输入至对应多个残差网络之中,以得到多个残差网络分别输出的多个初始模态特征,其中,初始模态特征,是预测得到的描述相应样本图像的模态的特征;
第二处理子模块7032,用于将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个预测关系特征;
训练子模块7033,用于在多个预测关系特征与分别对应多个标注关系特征之间满足第一收敛条件时,根据多个预测关系特征、标注识别信息训练待训练图像识别模型,以得到目标图像识别模型。
在本公开的一些实施例中,其中,训练子模块7033,具体用于:
将多个预测关系特征输入至待训练图像识别模型之中,以得到待训练图像识别模型输出的预测识别信息;
如果预测识别信息和标注识别信息之间满足第二收敛条件,将训练得到的图像识别模型作为目标图像识别模型。
在本公开的一些实施例中,其中,第二处理子模块7032,包括:
获取单元70321,用于将多个初始模态特征分别输入至对应多个协同注意力网络之中,以得到多个协同注意力网络分别输出的多个注意力响应特征;
确定单元70322,用于确定与初始模态特征对应的多个参考注意力响应特征,参考注意力响应特征,是多个注意力响应特征之中除初始模态特征所对应注意力响应特征之外的其他注意力响应特征;
处理单元70323,用于根据多个参考注意力响应特征处理初始模态特征,以得到对应的预测关系特征。
在本公开的一些实施例中,其中,处理单元70323,具体用于:
从初始模态特征之中解析得到第一模态特征和第二模态特征,其中,第一模态特征和第二模态特征不相同;
对第一模态特征和第二模态特征进行连接处理,以得到参考模态特征;
对初始模态特征和参考模态特征进行融合处理,得到待处理模态特征;
根据多个参考注意力响应特征处理待处理模态特征,以得到对应的预测关系特征。
在本公开的一些实施例中,其中,处理单元70323,具体用于:
对多个参考注意力响应特征进行相加处理,以得到目标注意力响应特征;
对目标注意力响应特征和待处理模态特征进行相乘处理,以得到对应的预测关系特征。
在本公开的一些实施例中,其中,第一模态特征,是与初始模态特征对应的样本图像中,背景区域对应的局部模态特征,第二模态特征,是与初始模态特征对应的样本图像中的梯度信息特征。
可以理解的是,本实施例附图7中的图像识别模型的训练装置70与上述实施例中的图像识别模型的训练装置60,第一获取模块701与上述实施例中的第一获取模块601,确定模块702与上述实施例中的确定模块602,训练模块703与上述实施例中的训练模块603,可以具有相同的功能和结构。
需要说明的是,前述对图像识别模型的训练方法的解释说明也适用于本实施例图像识别模型的训练装置。
本实施例中,通过获取多个样本图像,其中,多个样本图像分别对应多种模态,多个样本图像对应标注识别信息,并根据多种模态,确定与多个样本图像分别对应的多种标注关系特征,其中,标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,相应样本图像和其他样本图像共同构成多个样本图像,以及根据多个样本图像、多种标注关系特征,以及标注识别信息训练初始的图像识别模型,以得到目标图像识别模型,能够有效地利用图像的多模态优势,实现将样本图像不同模态之间的关联特征作为标注数据以进行模型训练,使得训练得到的目标图像识别模型能够有效地学习建模出图像不同模态之间的关系,有效地提升目标图像识别模型的识别性能,提升目标图像识别模型的识别效果。
图8是根据本公开第七实施例的示意图。
如图8所示,该图像识别装置80,包括:
第二获取模块801,用于获取多个待识别图像,其中,多个待识别图像分别对应多种模态;
生成模块802,用于将多个待识别图像分别输入至如上述的图像识别模型的训练装置训练得到的目标图像识别模型之中,以得到目标图像识别模型输出的目标识别信息。
需要说明的是,前述对图像识别方法的解释说明也适用于本实施例的图像识别装置,此处不再赘述。
本实施例中,通过获取多个待识别图像,其中,多个待识别图像分别对应多种模态,再将多个待识别图像分别输入至如上述的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到目标图像识别模型输出的目标识别信息,由于目标图像识别模型是根据多模态图像训练得到的,从而在采用训练得到的图像识别模型识别待识别图像时,能够达建模出更为准确的目标识别信息,有效地提升图像识别模型的图像识别效果。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了用来实施本公开的实施例的图像识别模型的训练方法的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其他适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其他类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:获取单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如图像识别模型的训练方法,或者图像识别方法。例如,在一些实施例中,图像识别模型的训练方法,或者图像识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的图像识别模型的训练方法,或者图像识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像识别模型的训练方法,或者图像识别方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其他种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种图像识别模型的训练方法,包括:
获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;
根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及
根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
2.根据权利要求1所述的方法,所述初始的图像识别模型包括:多个残差网络、与所述多个残差网络分别相连接的多个协同注意力网络,以及待训练图像识别模型,
其中,所述根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型,包括:
将所述多个样本图像分别输入至对应所述多个残差网络之中,以得到所述多个残差网络分别输出的多个初始模态特征,其中,所述初始模态特征,是预测得到的描述相应所述样本图像的模态的特征;
将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个预测关系特征;
在所述多个预测关系特征与分别对应所述多个标注关系特征之间满足第一收敛条件时,根据所述多个预测关系特征、所述标注识别信息训练所述待训练图像识别模型,以得到所述目标图像识别模型。
3.根据权利要求2所述的方法,其中,所述根据所述多个预测关系特征、所述标注识别信息训练所述待训练图像识别模型,以得到所述目标图像识别模型,包括:
将所述多个预测关系特征输入至所述待训练图像识别模型之中,以得到所述待训练图像识别模型输出的预测识别信息;
如果所述预测识别信息和所述标注识别信息之间满足第二收敛条件,将训练得到的所述图像识别模型作为所述目标图像识别模型。
4.根据权利要求2所述的方法,其中,所述将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个预测关系特征,包括:
将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个注意力响应特征;
确定与所述初始模态特征对应的多个参考注意力响应特征,所述参考注意力响应特征,是所述多个注意力响应特征之中除所述初始模态特征所对应注意力响应特征之外的其他注意力响应特征;
根据所述多个参考注意力响应特征处理所述初始模态特征,以得到对应的预测关系特征。
5.根据权利要求4所述的方法,其中,所述根据所述多个参考注意力响应特征处理所述初始模态特征,以得到对应的预测关系特征,包括:
从所述初始模态特征之中解析得到第一模态特征和第二模态特征,其中,所述第一模态特征和所述第二模态特征不相同;
对所述第一模态特征和第二模态特征进行连接处理,以得到参考模态特征;
对所述初始模态特征和所述参考模态特征进行融合处理,得到待处理模态特征;
根据所述多个参考注意力响应特征处理所述待处理模态特征,以得到所述对应的预测关系特征。
6.根据权利要求5所述的方法,其中,所述根据所述多个参考注意力响应特征处理所述待处理模态特征,以得到所述对应的预测关系特征,包括:
对所述多个参考注意力响应特征进行相加处理,以得到目标注意力响应特征;
对所述目标注意力响应特征和所述待处理模态特征进行相乘处理,以得到所述对应的预测关系特征。
7.根据权利要求5所述的方法,其中,所述第一模态特征,是与所述初始模态特征对应的所述样本图像中,背景区域对应的局部模态特征,所述第二模态特征,是与所述初始模态特征对应的所述样本图像中的梯度信息特征。
8.一种图像识别方法,包括:
获取多个待识别图像,其中,所述多个待识别图像分别对应多种模态;
将所述多个待识别图像分别输入至如上述权利要求1-7中任一项的图像识别模型的训练方法训练得到的目标图像识别模型之中,以得到所述目标图像识别模型输出的目标识别信息。
9.一种图像识别模型的训练装置,包括:
第一获取模块,用于获取多个样本图像,其中,所述多个样本图像分别对应多种模态,所述多个样本图像对应标注识别信息;
确定模块,用于根据所述多种模态,确定与所述多个样本图像分别对应的多种标注关系特征,其中,所述标注关系特征,描述相应样本图像的模态与其他样本图像的模态之间的关联情况,所述相应样本图像和所述其他样本图像共同构成所述多个样本图像;以及
训练模块,用于根据所述多个样本图像、所述多种标注关系特征,以及所述标注识别信息训练初始的图像识别模型,以得到目标图像识别模型。
10.根据权利要求9所述的装置,所述初始的图像识别模型包括:多个残差网络、与所述多个残差网络分别相连接的多个协同注意力网络,以及待训练图像识别模型,
其中,所述训练模块,包括:
第一处理子模块,用于将所述多个样本图像分别输入至对应所述多个残差网络之中,以得到所述多个残差网络分别输出的多个初始模态特征,其中,所述初始模态特征,是预测得到的描述相应所述样本图像的模态的特征;
第二处理子模块,用于将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个预测关系特征;
训练子模块,用于在所述多个预测关系特征与分别对应所述多个标注关系特征之间满足第一收敛条件时,根据所述多个预测关系特征、所述标注识别信息训练所述待训练图像识别模型,以得到所述目标图像识别模型。
11.根据权利要求10所述的装置,其中,所述训练子模块,具体用于:
将所述多个预测关系特征输入至所述待训练图像识别模型之中,以得到所述待训练图像识别模型输出的预测识别信息;
如果所述预测识别信息和所述标注识别信息之间满足第二收敛条件,将训练得到的所述图像识别模型作为所述目标图像识别模型。
12.根据权利要求10所述的装置,其中,所述第二处理子模块,包括:
获取单元,用于将所述多个初始模态特征分别输入至对应所述多个协同注意力网络之中,以得到所述多个协同注意力网络分别输出的多个注意力响应特征;
确定单元,用于确定与所述初始模态特征对应的多个参考注意力响应特征,所述参考注意力响应特征,是所述多个注意力响应特征之中除所述初始模态特征所对应注意力响应特征之外的其他注意力响应特征;
处理单元,用于根据所述多个参考注意力响应特征处理所述初始模态特征,以得到对应的预测关系特征。
13.根据权利要求12所述的装置,其中,所述处理单元,具体用于:
从所述初始模态特征之中解析得到第一模态特征和第二模态特征,其中,所述第一模态特征和所述第二模态特征不相同;
对所述第一模态特征和第二模态特征进行连接处理,以得到参考模态特征;
对所述初始模态特征和所述参考模态特征进行融合处理,得到待处理模态特征;
根据所述多个参考注意力响应特征处理所述待处理模态特征,以得到所述对应的预测关系特征。
14.根据权利要求13所述的装置,其中,所述处理单元,具体用于:
对所述多个参考注意力响应特征进行相加处理,以得到目标注意力响应特征;
对所述目标注意力响应特征和所述待处理模态特征进行相乘处理,以得到所述对应的预测关系特征。
15.根据权利要求13所述的装置,其中,所述第一模态特征,是与所述初始模态特征对应的所述样本图像中,背景区域对应的局部模态特征,所述第二模态特征,是与所述初始模态特征对应的所述样本图像中的梯度信息特征。
16.一种图像识别装置,包括:
第二获取模块,用于获取多个待识别图像,其中,所述多个待识别图像分别对应多种模态;
生成模块,用于将所述多个待识别图像分别输入至如上述权利要求9-15中任一项的图像识别模型的训练装置训练得到的目标图像识别模型之中,以得到所述目标图像识别模型输出的目标识别信息。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法,或者执行权利要求8所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法,或者执行权利要求8所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述方法的步骤,或者执行权利要求8所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111256246.1A CN114092759A (zh) | 2021-10-27 | 2021-10-27 | 图像识别模型的训练方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111256246.1A CN114092759A (zh) | 2021-10-27 | 2021-10-27 | 图像识别模型的训练方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092759A true CN114092759A (zh) | 2022-02-25 |
Family
ID=80298139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111256246.1A Pending CN114092759A (zh) | 2021-10-27 | 2021-10-27 | 图像识别模型的训练方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092759A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581838A (zh) * | 2022-04-26 | 2022-06-03 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置和云设备 |
CN114841970A (zh) * | 2022-05-09 | 2022-08-02 | 北京字节跳动网络技术有限公司 | 检查图像的识别方法、装置、可读介质和电子设备 |
CN114972910A (zh) * | 2022-05-20 | 2022-08-30 | 北京百度网讯科技有限公司 | 图文识别模型的训练方法、装置、电子设备及存储介质 |
CN114998712A (zh) * | 2022-08-03 | 2022-09-02 | 阿里巴巴(中国)有限公司 | 图像识别方法、存储介质及电子设备 |
CN115170449A (zh) * | 2022-06-30 | 2022-10-11 | 陕西科技大学 | 一种多模态融合场景图生成方法、***、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829677A (zh) * | 2018-06-05 | 2018-11-16 | 大连理工大学 | 一种基于多模态注意力的图像标题自动生成方法 |
WO2019233421A1 (zh) * | 2018-06-04 | 2019-12-12 | 京东数字科技控股有限公司 | 图像处理方法及装置、电子设备、存储介质 |
WO2020114118A1 (zh) * | 2018-12-07 | 2020-06-11 | 深圳光启空间技术有限公司 | 面部属性识别方法、装置、存储介质及处理器 |
CN111737458A (zh) * | 2020-05-21 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 基于注意力机制的意图识别方法、装置、设备及存储介质 |
WO2020215676A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 基于残差网络的图像识别方法、装置、设备及存储介质 |
CN112396106A (zh) * | 2020-11-18 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 内容识别方法、内容识别模型训练方法及存储介质 |
CN113159212A (zh) * | 2021-04-30 | 2021-07-23 | 上海云从企业发展有限公司 | Ocr识别模型训练方法、装置以及计算机可读存储介质 |
CN113361363A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 人脸图像识别模型的训练方法、装置、设备及存储介质 |
-
2021
- 2021-10-27 CN CN202111256246.1A patent/CN114092759A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019233421A1 (zh) * | 2018-06-04 | 2019-12-12 | 京东数字科技控股有限公司 | 图像处理方法及装置、电子设备、存储介质 |
CN108829677A (zh) * | 2018-06-05 | 2018-11-16 | 大连理工大学 | 一种基于多模态注意力的图像标题自动生成方法 |
WO2020114118A1 (zh) * | 2018-12-07 | 2020-06-11 | 深圳光启空间技术有限公司 | 面部属性识别方法、装置、存储介质及处理器 |
WO2020215676A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 基于残差网络的图像识别方法、装置、设备及存储介质 |
CN111737458A (zh) * | 2020-05-21 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 基于注意力机制的意图识别方法、装置、设备及存储介质 |
CN112396106A (zh) * | 2020-11-18 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 内容识别方法、内容识别模型训练方法及存储介质 |
CN113159212A (zh) * | 2021-04-30 | 2021-07-23 | 上海云从企业发展有限公司 | Ocr识别模型训练方法、装置以及计算机可读存储介质 |
CN113361363A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 人脸图像识别模型的训练方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘尚争;刘斌;: "生成对抗网络图像类别标签跨模态识别***设计", 现代电子技术, no. 08, 15 April 2020 (2020-04-15) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581838A (zh) * | 2022-04-26 | 2022-06-03 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置和云设备 |
CN114841970A (zh) * | 2022-05-09 | 2022-08-02 | 北京字节跳动网络技术有限公司 | 检查图像的识别方法、装置、可读介质和电子设备 |
CN114972910A (zh) * | 2022-05-20 | 2022-08-30 | 北京百度网讯科技有限公司 | 图文识别模型的训练方法、装置、电子设备及存储介质 |
CN115170449A (zh) * | 2022-06-30 | 2022-10-11 | 陕西科技大学 | 一种多模态融合场景图生成方法、***、设备和介质 |
CN115170449B (zh) * | 2022-06-30 | 2023-09-22 | 陕西科技大学 | 一种多模态融合场景图生成方法、***、设备和介质 |
CN114998712A (zh) * | 2022-08-03 | 2022-09-02 | 阿里巴巴(中国)有限公司 | 图像识别方法、存储介质及电子设备 |
CN114998712B (zh) * | 2022-08-03 | 2022-11-15 | 阿里巴巴(中国)有限公司 | 图像识别方法、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114092759A (zh) | 图像识别模型的训练方法、装置、电子设备及存储介质 | |
US20200357196A1 (en) | Method and apparatus for vehicle damage assessment, electronic device, and computer storage medium | |
CN113361572B (zh) | 图像处理模型的训练方法、装置、电子设备以及存储介质 | |
CN115688920B (zh) | 知识抽取方法、模型的训练方法、装置、设备和介质 | |
CN113901909B (zh) | 基于视频的目标检测方法、装置、电子设备和存储介质 | |
CN113177451A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN113361363A (zh) | 人脸图像识别模型的训练方法、装置、设备及存储介质 | |
CN114863437A (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
CN114445826A (zh) | 视觉问答方法、装置、电子设备以及存储介质 | |
CN114120413A (zh) | 模型训练方法、图像合成方法、装置、设备及程序产品 | |
CN113379877A (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
CN113360683A (zh) | 训练跨模态检索模型的方法以及跨模态检索方法和装置 | |
CN113177466A (zh) | 基于人脸图像的身份识别方法、装置、电子设备及介质 | |
CN116402914A (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
CN114972910B (zh) | 图文识别模型的训练方法、装置、电子设备及存储介质 | |
CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112560848B (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN115457365A (zh) | 一种模型的解释方法、装置、电子设备及存储介质 | |
CN113344214B (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN114842541A (zh) | 模型的训练及人脸识别方法、装置、设备以及存储介质 | |
CN114445668A (zh) | 图像识别方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |