图像识别方法、装置、计算机设备及计算机存储介质与流程

本申请涉及人工智能技术，尤其涉及一种图像识别方法、装置、计算机设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、随着移动终端和互联网技术的发展，生物特征识别得到了广泛应用，例如生物特征识别可以应用于移动支付、门禁管理、身份验证等领域，与与用户的个人隐私以及财产安全息息相关，因此生物特征识别的精准度十分重要，同时因为生物特征识别应用领域的广泛，用户的体验也极为重要。在识别的过程中，通过模型提取来的生物特征数量越多，特征匹配的时间以及空间复杂度越高，那么耗时就越久，同时也消耗系统的资源。

技术实现思路

1、本申请实施例提供一种图像识别方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，能够在利用训练好的目标模型提取出更低维度的特征向量，并且还能够保证特征向量的准确性。

2、本申请实施例的技术方案是这样实现的：

3、本申请实施例提供一种图像识别方法，所述方法包括：

4、获取待识别图像和训练好的目标模型，所述训练好的目标模型是对预训练好的特征提取模型上拼接上降维层得到的目标模型进行训练得到的；

5、利用所述训练好的目标模型对所述待识别图像进行特征提取，得到待识别的特征向量；

6、确定所述待识别的特征向量和多个参考特征向量之间的多个相似度；

7、基于所述多个相似度确定所述待识别图像的识别结果；

8、输出所述识别结果。

9、本申请实施例提供一种图像识别装置，包括：

10、第一获取模块，用于获取待识别图像和训练好的目标模型，所述训练好的目标模型是对预训练好的特征提取模型上拼接上降维层得到的目标模型进行训练得到的；

11、第一提取模块，用于利用所述训练好的目标模型对所述待识别图像进行特征提取，得到待识别的特征向量；

12、第一确定模块，用于确定所述待识别的特征向量和多个参考特征向量之间的多个相似度；

13、第二确定模块，用于基于所述多个相似度确定所述待识别图像的识别结果；

14、输出模块，用于输出所述识别结果。

15、本申请实施例提供一种计算机设备，所述计算机设备包括：

16、存储器，用于存储计算机可执行指令；

17、处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的图像识别方法。

18、本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于被处理器执行时，实现本申请实施例提供的图像识别方法。

19、本申请实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，述计算机程序或计算机可执行指令被处理器执行时，实现本申请实施例提供的模型训练方法或生物特征识别方法。

20、本申请实施例具有以下有益效果：

21、在本申请实施例中，在获取到待识别图像之后，利用训练好的目标模型对待识别图像进行特征提取，并将提取出的待识别的特征向量与各个参考特征向量进行相似度对比，基于最高相似度确定识别结果，最后输出识别结果，由于在进行特征提取时利用的目标模型是对能够提取出高维特征的特征提取模型拼接上一个降维层得到的，因此能够在有效保证识别准确率的同时，降低模型所需提取的特征维度，从而提高识别效率。

技术特征：

1.一种图像识别方法，其特征在于，所述方法包括：

2.根据权利要求1中所述的方法，其特征在于，所述所述基于所述多个相似度确定所述待识别图像的识别结果，包括：

3.根据权利要求1中所述的方法，其特征在于，所述方法还包括：

4.根据权利要求3中所述的方法，其特征在于，所述利用所述训练数据集对所述特征提取模型进行预训练，得到预训练好的特征提取模型，包括：

5.根据权利要求3中所述的方法，其特征在于，所述预训练好的特征提取模型至少包括：输入层、至少一个卷积层和至少一个全连接层，对应地，所述在所述预训练好的特征提取模型上拼接降维层，得到待训练的目标模型，包括：

6.根据权利要求4所述的方法，其特征在于，所述利用所述训练数据对所述待训练的目标模型进行训练，得到训练好的目标模型，包括：

7.根据权利要求6中所述的方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述确定前i个训练数据组对应的平均特征向量和协方差矩阵，包括：

9.根据权利要求7中所述的方法，其特征在于，所述确定前i个训练数据组对应的平均特征向量和协方差矩阵，包括：

10.根据权利要求9中所述的方法，其特征在于，所述基于所述前(i-1)个训练数据组对应的平均特征向量、第i个训练数据组的平均特征向量、所述第一总个数和第二总个数确定前i个训练数据组的平均特征向量，包括：

11.根据权利要求7所述的方法，其特征在于，所述基于所述前i个训练数据组对应的协方差矩阵确定所述降维层的第i个权重，包括：

12.一种图像识别装置，其特征在于，所述装置包括：

13.一种计算机设备，其特征在于，所述计算机设备包括：

14.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时实现权利要求1至11任一项所述的图像识别方法。

15.一种计算机程序产品，包括计算机程序或计算机可执行指令，其特征在于，所述计算机程序或计算机可执行指令被处理器执行时实现权利要求1至11任一项所述的图像识别方法。

技术总结
本申请提供了一种图像识别方法、装置、计算机设备、计算机可读存储介质及计算机程序产品；方法包括：获取待识别图像和训练好的目标模型，所述训练好的目标模型是对预训练好的特征提取模型上拼接上降维层得到的目标模型进行训练得到的；利用所述训练好的目标模型对所述待识别图像进行特征提取，得到待识别的特征向量；确定所述待识别的特征向量和多个参考特征向量之间的多个相似度；基于所述多个相似度确定所述待识别图像的识别结果；输出所述识别结果。通过本申请，能够有效降低特征特征维度的同时保证图像识别的准确率。

技术研发人员：沈雷,程嘉欢,张睿欣,张昊,张映艺,丁守鸿
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15