图像识别方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种图像识别方法，其特征在于，所述方法包括：获取目标正样本图像；根据所述目标正样本图像对应的正样本类别，获取所述正样本类别对应的混淆类别集合；其中所述混淆类别集合是通过对图像集合进行类别识别，基于类别识别数据对所述图像集合所对应的类别集合进行混淆分类得到的；将所述混淆类别集合中的混淆类别作为负样本类别，将所述负样本类别对应的图像作为所述目标正样本图像对应的目标负样本图像；基于所述目标正样本图像以及所述目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型，以基于所述训练后的图像识别模型进行图像识别。2.根据权利要求1所述的方法，其特征在于，得到所述混淆类别集合的步骤包括：获取目标图像集合；所述目标图像集合包括至少两个目标图像，各个所述目标图像对应的目标类别形成类别集合；对所述目标图像集合中的各个目标图像进行图像识别，得到各个所述目标图像对应的类别识别数据；基于所述类别识别数据确定所述目标类别之间的类别混淆度；基于所述类别混淆度对所述类别集合中的目标类别进行混淆分类，得到混淆类别集合。3.根据权利要求2所述的方法，其特征在于，所述类别识别数据包括对所述目标图像进行特征提取得到的图像提取特征；所述基于所述类别识别数据确定所述目标类别之间的类别混淆度，包括：基于所述图像提取特征得到所述目标类别之间的特征相似度；基于所述目标类别之间的特征相似度确定所述目标类别之间的类别混淆度。4.根据权利要求3所述的方法，其特征在于，所述基于所述图像提取特征得到所述目标类别之间的特征相似度包括：对不同所述目标类别对应的图像提取特征进行统计，得到各个所述目标类别分别对应的类别表示特征；基于所述目标类别分别对应的类别表示特征得到目标类别之间的特征相似度。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标类别分别对应的类别表示特征得到目标类别之间的特征相似度包括：获取当前目标图像对应的当前图像提取特征，所述当前目标图像属于第一目标类别；计算所述当前图像提取特征与各个第二目标类别对应的类别表示特征的特征相似度，将计算得到的特征相似度作为所述第一目标类别与所述第二目标类别之间的特征相似度。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标类别之间的特征相似度确定所述目标类别之间的类别混淆度包括：当所述第一目标类别与所述第二目标类别之间的特征相似度满足相似度条件时，增加所述第一目标类别与所述第二目标类别之间的类别混淆度；其中，所述相似度条件包括：特征相似度的排序在第一排序阈值之前或者特征相似度大于相似度阈值的至少一种。7.根据权利要求2所述的方法，其特征在于，所述类别识别数据包括对所述目标图像进
行分类得到的第三目标类别；所述基于所述类别识别数据确定所述目标类别之间的类别混淆度，包括：将所述第三目标类别与所述目标图像对应的标准类别进行对比；所述标准类别为第四目标类别；当所述第三目标类别与所述目标图像对应的标准类别对比不一致时，增加所述第三目标类别与所述第四目标类别之间的类别混淆度。8.根据权利要求2所述的方法，其特征在于，所述基于所述类别混淆度对所述类别集合中的目标类别进行混淆分类，得到混淆类别集合，包括：将所述类别集合中类别混淆度满足混淆度条件的目标类别作为相互混淆的类别，将相互混淆的类别组成混淆类别集合；其中，所述混淆度条件包括：类别混淆度的排序在第二排序阈值之前或者类别混淆度大于混淆度阈值的至少一个。9.根据权利要求1至8任一项所述的方法，其特征在于，所述基于所述目标正样本图像以及所述目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型包括：将所述目标正样本图像输入到待训练的图像识别模型中进行特征提取，得到所述目标正样本图像对应的目标正样本特征；将所述目标负样本图像输入到待训练的图像识别模型中进行特征提取，得到所述目标负样本图像对应的目标负样本特征；确定所述目标正样本特征以及所述目标负样本特征之间的第一样本特征距离；基于所述第一样本特征距离确定目标模型损失值，其中所述目标模型损失值与所述第一样本特征距离成负相关关系；基于所述目标模型损失值调整待训练的图像识别模型的模型参数，得到训练后的图像识别模型。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：选取所述正样本类别对应的图像，作为参考正样本图像；所述基于所述第一样本特征距离确定目标模型损失值包括：将所述参考正样本图像输入到待训练的图像识别模型中进行特征提取，得到所述参考正样本图像对应的参考正样本特征；确定所述目标正样本特征以及所述参考正样本特征之间的第二样本特征距离；基于所述第一样本特征距离确定第一模型损失值，其中所述第一模型损失值与所述第一样本特征距离成负相关关系；基于所述第二样本特征距离确定第二模型损失值，其中所述第二模型损失值与所述第二样本特征距离成正相关关系；根据所述第一模型损失值以及所述第二模型损失值得到目标模型损失值。11.根据权利要求1至8任一项所述的方法，其特征在于，通过已训练的场景识别模型对所述图像集合进行场景识别，将所述已训练的场景识别模型作为待进行图像类别混淆训练的待训练模型；所述基于所述目标正样本图像以及所述目标负样本图像对待训练的图像识别模型进
行训练之后还包括：基于所述目标正样本图像以及所述目标负样本图像对所述已训练的场景识别模型进行图像类别混淆训练，直至混淆训练结果收敛，得到混淆训练后的场景识别模型；所述方法还包括：获取待识别场景的当前识别图像；将所述当前识别图像输入到所述混淆训练后的场景识别模型中进行场景识别，得到所述当前识别图像对应的当前图像场景。12.一种图像识别装置，其特征在于，所述装置包括：正样本图像获取模块，用于获取目标正样本图像；混淆类别集合获取模块，用于根据所述目标正样本图像对应的正样本类别，获取所述正样本类别对应的混淆类别集合；其中所述混淆类别集合是通过对图像集合进行类别识别，基于类别识别数据对所述图像集合所对应的类别集合进行混淆分类得到的；负样本图像获取模块，用于将所述混淆类别集合中的混淆类别作为负样本类别，将所述负样本类别对应的图像作为所述目标正样本图像对应的目标负样本图像；模型训练模块，用于基于所述目标正样本图像以及所述目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型，以基于所述训练后的图像识别模型进行图像识别。13.根据权利要求12所述的装置，其特征在于，所述混淆类别集合获取模块，包括：图像集合获取子模块，用于获取目标图像集合；所述目标图像集合包括至少两个目标图像，各个所述目标图像对应的目标类别形成类别集合；识别数据确定子模块，用于对所述目标图像集合中的各个目标图像进行图像识别，得到各个所述目标图像对应的类别识别数据；混淆度确定子模块，用于基于所述类别识别数据确定所述目标类别之间的类别混淆度；混淆类别集合确定子模块，用于基于所述类别混淆度对所述类别集合中的目标类别进行混淆分类，得到混淆类别集合。14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述方法的步骤。15.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述方法的步骤。

技术总结
本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取目标正样本图像；获取目标正样本图像对应的正样本类别的混淆类别集合；其中混淆类别集合是通过图像集合的类别识别数据对类别集合进行混淆分类得到的；将混淆类别集合中的混淆类别作为负样本类别，获取负样本类别对应的目标负样本图像；基于目标正样本图像以及目标负样本图像对待训练的图像识别模型进行训练，得到训练后的图像识别模型，以基于训练后的图像识别模型进行图像识别。上述方案模型训练过程能充分分析同一混淆类别集合中的正样本图像和负样本图像之间的区别，能够得到对类别易混淆的图像进行准确识别的图像识别模型，提高了图像识别的准确性。准确性。准确性。


技术研发人员：郭卉
受保护的技术使用者：腾讯科技（北京）有限公司
技术研发日：2021.03.04
技术公布日：2021/11/25