一种对象识别方法、装置、计算机设备和存储介质与流程

本技术涉及计算机，具体涉及一种对象识别方法、装置、计算机设备和存储介质。

背景技术：

1、对象识别，是基于对象特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有对象的图像或视频流，并自动在图像中检测和确定对象，进而对检测到的对象进行对象识别的一系列相关技术。随着计算机技术和人工智能技术的不断发展，对象识别技术在多个应用场景都得到了广泛应用。例如，可以通过人工智能技术训练出对象识别模型，然后利用对象识别模型进行对象检测等等。但是，由于不同应用场景的对象图像数据类型的分布是不一致的，这就要求部署的对象识别模型对不同场景的对象图像进行适配。

技术实现思路

1、本技术实施例提出了一种对象识别方法、装置、计算机设备和存储介质，可以准确地在多个对象识别模型中筛选出和目标对象识别场景最适配的目标对象识别模型。

2、本技术实施例提供了一种对象识别方法，包括：

3、获取目标对象识别场景下的对象样本数据，对所述对象样本数据进行数据增强处理，得到增强后对象样本数据；

4、通过多个不同的对象识别模型对所述增强后对象样本数据进行特征提取，得到每个对象识别模型提取得到的同源对象特征；

5、基于每个对象识别模型提取得到的同源对象特征，获取每个对象识别模型对应的鲁棒性衡量分值；

6、基于每个对象识别模型针对所述对象样本数据提取得到的基准对象特征信息，获取每个对象识别模型对应的准确度衡量分值；

7、根据每个对象识别模型的准确度衡量分值和鲁棒性衡量分值，从所述多个不同的对象识别模型中筛选出适配所述目标对象识别场景下的目标对象识别模型，以通过所述目标对象识别模型进行对象识别。

8、相应的，本技术实施例还提供了一种对象识别装置，包括：

9、数据增强单元，用于获取目标对象识别场景下的对象样本数据，对所述对象样本数据进行数据增强处理，得到增强后对象样本数据；

10、特征提取单元，用于通过多个不同的对象识别模型对所述增强后对象样本数据进行特征提取，得到每个对象识别模型提取得到的同源对象特征；

11、第一分值获取单元，用于基于每个对象识别模型提取得到的同源对象特征，获取每个对象识别模型对应的鲁棒性衡量分值；

12、第二分值获取单元，用于基于每个对象识别模型针对所述对象样本数据提取得到的基准对象特征信息，获取每个对象识别模型对应的准确度衡量分值；

13、筛选单元，用于根据每个对象识别模型的准确度衡量分值和鲁棒性衡量分值，从所述多个不同的对象识别模型中筛选出适配所述目标对象识别场景下的目标对象识别模型，以通过所述目标对象识别模型进行对象识别。

14、在一实施例中，所述第二分值获取单元，可以包括：

15、第一识别子单元，用于对每个对象识别模型提取得到的基准对象特征信息进行识别，得到每个对象识别模型对应的准确性参考阈值；

16、第二识别子单元，用于根据所述对象样本数据对应的标签信息，在所述每个对象识别模型的基准对象特征信息中识别出每个对象识别模型对应的召回阈值列表；

17、第一判别子单元，用于根据每个对象识别模型对应的准确性参考阈值，对每个对象识别模型对应的召回阈值列表进行判别处理，得到每个对象识别模型对应的准确度衡量分值。

18、在一实施例中，所述第一识别子单元，可以包括：

19、组合模块，用于将所述对象样本数据之间进行组合，得到对象样本数据组；

20、计算模块，用于基于所述基准对象特征信息，计算对象样本数据组中对象样本数据之间的对象空间特征相似度；

21、识别模块，用于根据所述对象样本数据组中对象样本数据的标签信息，在所述对象数据样本组中识别出异源图像组集合；

22、生成模块，用于基于所述异源图像组集合中对象样本数据组对应的对象空间特征相似度，生成所述对象识别模型对应的准确性参考阈值。

23、在一实施例中，所述判别子单元，可以包括：

24、比较模块，用于将所述召回阈值列表中的对象空间特征相似度和所述准确性参考阈值进行比较，得到比较结果；

25、确定模块，用于根据所述比较结果在所述召回阈值列表确定误判特征相似度；

26、对比运算模块，用于将所述误判特征相似度的数量和所述召回阈值列表中对象空间特征相似度的数量进行对比运算，得到对象识别模型对应的准确度衡量分值。

27、在一实施例中，所述第一分值获取单元，可以包括：

28、组合子单元，用于将所述对象识别模型识别得到的多个同源对象特征进行组合，得到同源对象特征组；

29、计算子单元，用于计算同源对象特征组的同源对象特征之间的相似度距离；

30、去噪子单元，用于对所述同源对象特征组的相似度距离进行去噪处理，得到对象识别模型的同源对象特征相似度；

31、第二判别子单元，用于基于每个对象识别模型对应的同源对象特征相似度，判别每个对象识别模型对应的鲁棒性衡量分值。

32、在一实施例中，所述数据增强单元，可以包括：

33、获取子单元，用于获取多种不同的数据增强方式；

34、参数确定子单元，用于确定每种数据增强方式对应的增强参数；

35、数据增强子单元，用于基于每种数据增强方式对应的增强参数，采用多种不同的数据增强方式对所述对象样本数据进行数据增强处理，得到增强后对象样本数据。

36、在一实施例中，所述对象识别装置还可以包括：

37、获取单元，用于获取待训练对象识别模型和对象训练样本数据；

38、特征提取单元，用于利用待训练对象识别模型对对象训练样本数据进行空间特征提取，得到对象训练样本数据对应的空间结构信息；

39、全连接映射单元，用于利用待训练对象识别模型对对象训练样本数据对应的空间结构信息进行全连接映射处理，得到对象训练样本数据对应的识别结果；

40、计算单元，用于基于对象训练样本数据的预设标签信息和对象训练样本数据对应的识别结果，计算模型损失信息；

41、调整单元，用于基于模型损失信息，对待训练对象识别模型的模型参数进行调整，得到对象识别模型。

42、本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述一方面的各种可选方式中提供的方法。

43、相应的，本技术实施例还提供一种存储介质，所述存储介质存储有指令，所述指令被处理器执行时实现本技术实施例任一提供的对象识别方法。

44、本技术实施例可以获取目标对象识别场景下的对象样本数据和对象样本数据对应的增强后对象样本数据；通过多个不同的对象识别模型对增强后对象样本数据进行特征提取，得到同源对象特征；基于同源对象特征，获取每个对象识别模型的鲁棒性衡量分值；基于每个对象识别模型的基准对象特征信息，获取每个对象识别模型对应的准确度衡量分值；根据每个对象识别模型的准确度衡量分值和鲁棒性衡量分值，可以准确地从多个对象识别模型中筛选出适配目标对象识别场景下的目标对象识别模型，以通过目标对象识别模型进行对象识别。