图像识别方法、图像识别装置、电子设备、存储介质

本技术涉及人工智能的图像识别，尤其是涉及一种图像识别方法、图像识别装置、电子设备、存储介质。

背景技术：

1、相关技术中，通过图像识别模型对图像进行识别，以判断待识别图像是否属于正常类别。但由于相关技术中图像识别模型在训练时仅采用单一对象类型的样本图像进行训练，因此该模型仅能够保证对相同对象类型的图像的识别准确性。也就是说，在获取到其他对象类型的图像时，相关技术中的图像识别模型容易出现识别准确性低的现象。因此，如何提高对多种对象类型图像的识别准确性成了亟待解决的技术问题。

技术实现思路

1、本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种图像识别方法，能够提高对多种类别图像的识别准确性。

2、本技术还提出一种图像识别装置，和一种应用上述图像识别方法的电子设备以及一种应用上述图像识别方法的计算机可读存储介质。

3、根据本技术的第一方面实施例的图像识别方法，包括：

4、根据预设的原始图像识别模型对获取的第一样本图像进行图像识别，得到第一图像标签；其中，所述第一图像标签用于表征所述第一样本图像的图像类别，所述图像类别包括正常类别和异常类别；

5、对所述第一样本图像进行数据增强处理，得到第一差异图像；其中，所述第一差异图像的图像类别与所述第一样本图像的图像类别不相同；

6、将所述第一差异图像输入至所述原始图像识别模型进行图像识别，得到第二图像标签；其中，所述第二图像标签用于表征所述第一差异图像的图像类别；

7、根据所述第一样本图像、所述第一图像标签、所述第一差异图像和所述第二图像标签对所述原始图像识别模型进行参数调整，得到初步图像识别模型；

8、根据所述第一样本图像、所述第一差异图像构建图像数据集；

9、根据所述图像数据集、所述初步图像识别模型对获取到的第二样本图像进行图像识别，得到第三图像标签；其中，所述第三图像标签用于表征所述第二样本图像的图像类别；

10、根据所述第二样本图像、所述图像数据集、所述第三图像标签对所述初步图像识别模型进行参数调整，得到目标图像识别模型；

11、根据所述目标图像识别模型对获取到的待识别图像进行图像识别。

12、根据本技术实施例的图像识别方法，至少具有如下有益效果：根据预设的原始图像识别模型对获取的第一样本图像进行图像识别，得到第一图像标签。对第一样本图像进行数据增强处理，得到第一差异图像。将第一差异图像输入至所述原始图像识别模型进行图像识别，得到第二图像标签。根据第一样本图像、第一图像标签、第一差异图像和第二图像标签对原始图像识别模型进行参数调整，得到初步图像识别模型。根据第一样本图像、第一差异图像构建图像数据集。根据图像数据集、初步图像识别模型对获取到的第二样本图像进行图像识别，得到第三图像标签。根据第二样本图像、图像数据集、第三图像标签对初步图像识别模型进行参数调整，得到目标图像识别模型。最后，根据得到的目标图像识别模型对获取到的待识别图像进行图像识别。本实施例的图像识别方法能够得到与样本图像的类别不相同的差异图像，将差异图像和样本图像一起对图像识别模型进行训练，并将差异图像和样本图像存储为图像数据集，以用于后续对图像识别模型的训练，避免了图像识别模型对历史样本图像的遗忘，以此提高了对多种对象类型图像的识别准确性。

13、根据本技术的一些实施例，所述对所述第一样本图像进行数据增强处理，得到第一差异图像，包括：

14、对所述第一样本图像进行像素截取操作，得到图像像素数据；

15、获取所述第一样本图像的第一随机位置数据；

16、根据所述第一随机位置数据、所述图像像素数据更新所述第一样本图像，得到所述第一差异图像。

17、根据本技术的一些实施例，所述对所述第一样本图像进行数据增强处理，得到第一差异图像，包括：

18、获取所述第一样本图像的第二随机位置数据；

19、根据所述第二随机位置数据从所述第一样本图像中筛选得到样本像素数据；

20、对所述样本像素数据进行像素值调整操作，得到所述第一差异图像。

21、根据本技术的一些实施例，所述原始图像识别模型包括特征提取子模型和分类子模型；

22、所述根据预设的原始图像识别模型对获取的第一样本图像进行图像识别，得到第一图像标签，包括：

23、将所述第一样本图像输入至所述特征提取子模型进行特征提取操作，得到样本特征向量；

24、将所述样本特征向量输入至所述分类子模型进行图像类别识别，得到所述第一图像标签。

25、根据本技术的一些实施例，所述特征提取子模型包括图像分割层和编码层；

26、所述将所述第一样本图像输入至所述特征提取子模型进行特征提取操作，得到样本特征向量，包括：

27、根据所述图像分割层对所述第一样本图像进行图像分割操作，得到样本切割图像；

28、根据所述编码层对所述样本切割图像进行归一化处理，得到所述样本特征向量。

29、根据本技术的一些实施例，所述根据所述第二样本图像、所述图像数据集、所述第三图像标签对所述初步图像识别模型进行参数调整，得到目标图像识别模型，包括：

30、对所述第二样本图像进行数据增强处理，得到第二差异图像；其中，所述第二差异图像的图像类别与所述第二样本图像的图像类别不相同；

31、将所述第二差异图像输入至所述初步图像识别模型进行图像识别，得到第四图像标签；其中，所述第四图像标签用于表征所述第二差异图像的图像类别；

32、根据所述第二样本图像、所述第二差异图像、所述图像数据集、所述第三图像标签、所述第四图像标签对所述初步图像识别模型进行参数调整，得到所述目标图像识别模型。

33、根据本技术的一些实施例，所述根据所述第二样本图像、所述第二差异图像、所述图像数据集、所述第三图像标签、所述第四图像标签对所述初步图像识别模型进行参数调整，得到所述目标图像识别模型，包括：

34、根据所述第二样本图像、所述第三图像标签得到正常损失数据；

35、根据所述第二差异图像、所述第四图像标签得到异常损失数据；

36、根据所述图像数据集得到历史损失数据；

37、根据所述正常损失数据、异常损失数据、历史损失数据对所述初步图像识别模型进行参数调整，得到所述目标图像识别模型。

38、根据本技术的第二方面实施例的图像识别装置，包括：

39、第一图像识别模块，所述第一图像识别用于根据预设的原始图像识别模型对获取的第一样本图像进行图像识别，得到第一图像标签；其中，所述第一图像标签用于表征所述第一样本图像的图像类别，所述图像类别包括正常类别和异常类别；

40、数据增强模块，所述数据增强模块用于对所述第一样本图像进行数据增强处理，得到第一差异图像；其中，所述第一差异图像与所述第一样本图像的图像类别不相同；

41、第二图像识别模块，所述第二图像识别模块用于将所述第一差异图像输入至所述原始图像识别模型进行图像识别，得到第二图像标签；其中，所述第二图像标签用于表征所述第一差异图像的图像类别；

42、第一训练模块，所述第一训练模块用于根据所述第一样本图像、所述第一图像标签、所述第一差异图像和所述第二图像标签对所述原始图像识别模型进行参数调整，得到初步图像识别模型；

43、数据集构建模块，所述数据集构建模块用于根据所述第一样本图像、所述第一差异图像构建图像数据集；

44、第三图像识别模块，所述第三图像识别模块用于根据所述图像数据集、所述初步图像识别模型对获取到的第二样本图像进行图像识别，得到第三图像标签；其中，所述第三图像标签用于表征所述第二样本图像的图像类别；

45、第二训练模块，所述第二训练模块用于根据所述第二样本图像、所述图像数据集、所述第三图像标签对所述初步图像识别模型进行参数调整，得到目标图像识别模型；

46、目标识别模块，所述目标识别模块用于根据所述目标图像识别模型对获取到的待识别图像进行图像识别。

47、根据本技术实施例的图像识别装置，至少具有如下有益效果：该图像识别装置通过采用上述图像识别方法，提高了对多种类别图像的识别准确性。

48、根据本技术的第三方面实施例的电子设备，包括：

49、至少一个存储器；

50、至少一个处理器；

51、至少一个计算机程序；

52、所述计算机程序被存储在所述存储器中，所述处理器执行所述至少一个计算机程序以实现上述第一方面实施例的图像识别方法。

53、根据本技术的第四方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述第一方面实施例的图像识别方法。

54、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。