用于生成图像识别模型的方法和装置
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于生成图像识别模型的方法和装置。
背景技术
随着科学技术的发展和人工智能技术的普及,人工智能技术可以应用于各个领域。例如,可以应用于语音识别、图像识别、智能家居等各个领域。人工智能技术的发展为用户在各方面均提供了极大的便利。机器学习的方法使得人工智能技术得以快速的发展。
相关机器学习的方法中,为了识别图像呈现的对象的类别,通常利用通用的图像识别网络确定出多个类别。然后,从多个类别中选择概率值最大的类别作为与图像呈现的对象对应的类别。
发明内容
本公开的实施例提出了用于生成图像识别模型的方法和装置、图像识别方法和装置。
第一方面,本公开的实施例提供了一种用于生成图像识别模型的方法,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层,该方法包括:获取训练样本集,训练样本集中的训练样本包括样本图像和用于标注样本图像呈现的对象的类别的标注信息;执行如下训练步骤:对于训练样本集中的样本图像,将该样本图像输入至第一神经网络,得到第一输出结果,第一输出结果包括该样本图像的特征和用于指示该样本图像呈现的对象所属的至少一个类别的指示信息;将所得到的该样本图像的特征输入至与至少一个类别对应的、用于识别特定类别的至少一个第二神经网络,得到每一个第二神经网络输出的用于指示该样本图像呈现的对象是否属于特定类别的指示信息;将所得到的用于指示该样本图像呈现的对象是否属于特定类别的指示信息输入至全连接层,得到用于指示该样本图像呈现的对象所属的类别的输出结果;确定预设损失函数是否收敛,预设损失函数用于指示所得到的与各样本图像呈现的对象的类别的输出结果与标注信息之间的误差;响应于确定预设损失函数收敛,确定图像识别模型训练完成。
在一些实施例中,该方法还包括:响应于确定预设损失函数未收敛,调整图像识别模型的参数,继续执行训练步骤。
在一些实施例中,预设损失函数包括第一损失函数、预定数目个第二损失函数,第一预设损失函数用于指示第一神经网络的输出结果与标注信息之间的误差,各个第二损失函数用于指示各个第二神经网络输出的指示信息与标注信息之间的误差;以及确定预设损失函数是否收敛,包括:确定第一预设损失函数和第二预设损失函数是否收敛。
在一些实施例中,响应于确定预设损失函数未收敛,调整初始图像识别模型的参数,包括:响应于确定第一损失函数未收敛,调整第一神经网络的参数,继续执行训练步骤;响应于确定第一损失函数收敛且第二预设损失函数未收敛,调整第二神经网络的参数,继续执行训练步骤。
第二方面,本公开的实施例提供了一种图像识别方法,该方法包括:获取呈现目标对象的图像;将图像输入至利用如第一方面所示的模型训练方法训练得到的图像识别模型中,得到图像识别结果,图像识别结果用于指示目标对象所属的类别。
在一些实施例中,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层;以及将图像输入至利用如第一方面所示的模型训练方法训练得到的图像识别模型中,得到图像识别结果,包括:将图像输入至第一神经网络,得到图像的特征和用于指示图像呈现的目标对象所属的至少一个类别的指示信息;将图像的特征输入至与至少一个类别中的每一个类别对应的第二神经网络,得到各第二神经网络输出的目标对象是否属于特定类别的指示信息;将所得到的各指示信息输入至全连接层,得到图像识别结果。
第三方面,本公开的实施例提供了一种用于生成图像识别模型的装置,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层,装置包括:获取单元,被配置成获取训练样本集,训练样本集中的训练样本包括样本图像和用于标注样本图像呈现的对象的类别的标注信息;训练单元,被配置成执行如下训练步骤:对于训练样本集中的样本图像,将该样本图像输入至第一神经网络,得到第一输出结果,第一输出结果包括该样本图像的特征和用于指示该样本图像呈现的对象所属的至少一个类别的指示信息;将所得到的该样本图像的特征输入至与至少一个类别对应的、用于识别特定类别的至少一个第二神经网络,得到每一个第二神经网络输出的用于指示该样本图像呈现的对象是否属于特定类别的指示信息;将所得到的用于指示该样本图像呈现的对象是否属于特定类别的指示信息输入至全连接层,得到用于指示该样本图像呈现的对象所属的类别的输出结果;确定预设损失函数是否收敛,预设损失函数用于指示所得到的与各样本图像呈现的对象的类别的输出结果与标注信息之间的误差;响应于确定预设损失函数收敛,确定图像识别模型训练完成。
在一些实施例中,装置还包括:调整单元,被配置成响应于确定预设损失函数未收敛,调整图像识别模型的参数,继续执行训练步骤。
在一些实施例中,预设损失函数包括第一损失函数、预定数目个第二损失函数,第一预设损失函数用于指示第一神经网络的输出结果与标注信息之间的误差,各个第二损失函数用于指示各个第二神经网络输出的指示信息与标注信息之间的误差;以及训练单元进一步被配置成:确定第一预设损失函数和第二预设损失函数是否收敛。
在一些实施例中,调整单元进一步被配置成:响应于确定第一损失函数未收敛,调整第一神经网络的参数,继续执行训练步骤;响应于确定第一损失函数收敛且第二预设损失函数未收敛,调整第二神经网络的参数,继续执行训练步骤。
第四方面,本公开的实施例提供了一种图像识别装置,该装置包括:获取单元,被配置成获取呈现目标对象的图像;识别单元,被配置成将图像输入至如第一方面所示的模型训练方法训练得到的图像识别模型中,得到图像识别结果,图像识别结果用于指示目标对象所属的类别。
在一些实施例中,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层;以及识别单元进一步被配置成:将图像输入至第一神经网络,得到图像的特征和用于指示图像呈现的目标对象所属的至少一个类别的指示信息;将图像的特征输入至与至少一个类别中的每一个类别对应的第二神经网络,得到各第二神经网络输出的目标对象是否属于特定类别的指示信息;将所得到的各指示信息输入至全连接层,得到图像识别结果。
第五方面,本公开的实施例提供了一种终端设备,该终端设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面和第二方面所描述的方法中任一实现方式描述的方法。
第六方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面和第二方面所描述的方法中任一实现方式描述的方法。
本公开的实施例提供的用于生成图像识别模型的方法和装置,通过对第一神经网络和多个第二神经网络进行联合训练,将第一神经网络输出的样本图像的特征输入至多个第二神经网络,使得第二神经网络不需要对样本图像再一次进行特征提取,提高了第二神经网络的识别速度。同时,利用第一神经网络识别出多个类别后,再利用多个第二神经网络对上述多个类别进行筛选,从而可以提高图像识别的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于生成图像识别模型的方法的一个实施例的流程图;
图3是根据本公开的模型训练方法的一个实施例的流程图;
图4是根据本公开的图像识别方法的一个实施例的流程图;
图5是根据本公开的实施例的图像识别方法的一个应用场景的示意图;
图6是根据本公开的用于生成图像识别模型的装置的一个实施例的结构示意图;
图7是根据本公开的图像识别装置的一个实施例的结构示意图;
图8是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于生成图像识别模型的方法或用于生成图像识别模型的装置,以及图像识别方法或图像识别装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103上可以安装有各种客户端应用。例如图像处理类应用、搜索类应用、内容分享类应用、美图类应用、即时通讯类应用、模型训练类应用等。终端设备101、102、103可以通过网络104与服务器105交互,以接收或发送消息等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是可以接收用户操作的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如可以是利用终端设备101、102、103上传的训练样本集进行模型训练的模型训练服务器。模型训练服务器可以基于训练样本,对第一神经网络和多个第二神经网络进行联合训练,将训练完成的模型作为图像识别模型。另外,训练得到图像识别模型后,服务器还可以将图像识别模型发送至终端设备101、102、103,也可以利用图像是识别模型对目标图像进行图像识别,从发得到目标图像所呈现的对象所属的类别。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于生成图像识别模型的方法可以由服务器105执行,也可以由终端设备101、102、103执行。相应地,用于生成图像识别模型的装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。此外,本公开的实施例所提供的图像识别方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,信息预测装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在训练模型所需要的训练样本集不需要从远程获取以及待确定呈现的目标对象所属的类别的图像不需要从远程获取的情况下,上述系统架构可以不包括网络,只包括终端设备或服务器。
继续参考图2,其示出了根据本公开的用于生成图像识别模型的方法的一个实施例的流程200。
在本实施例中,所生成的图像识别模型包括第一神经网络、预设数目个第二神经网络和全连接层。在这里,该预设数目个第二神经网中的每一个第二神经网络为用户识别特别类别的神经网络。具体的,该特定类别例如可以为动物、可以为植物、可以为人体。该特定类别例如还可以包括猫、狗、羊、鹿等。第一神经网络的输出与各个第二神经网络的输入连接,各个第二神经网络的输出与全连接层的输入连接。该用于生成图像识别模型的方法包括以下步骤:
步骤201,获取训练样本集。
在本实施例中,上述用于生成图像识别模型的方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以通过有线连接或者无线连接的方式获取训练样本集。在这里,该训练样本集中的训练样本包括样本图像和用于标注样本图像呈现的对象的类别的标注信息。该样本图像可以是上述执行主体所安装的拍摄设备或者与所连接的拍摄设备获取到的,也可以是预先存储于本地的。上述执行主体可以通过用于指示样本图像所存储的位置的路径信息获取样本图像。上述用于标注样本图像呈现的对象的类别的标注信息可以为文字信息、可以为字符编码信息等。作为示例,可以利用“0”表示动物,利用“1”表示植物,利用“2”表示人。当样本图像呈现的对象为动物时,该标注信息即为“0”;当样本图像呈现的对象为植物时,该标注信息即为“1”;当样本图像呈现的对象为人时,该标注信息即为“2”。
步骤202,基于步骤201所获取的训练样本集,可以执行训练步骤。训练步骤的具体实现可以通过图3体现。
如图3所示,图3示出了本公开的步骤202所示的训练步骤的一个实施例的流程。该训练步骤具体包括:
步骤301,对于训练样本集中的样本图像,将该样本图像输入至第一神经网络,得到第一输出结果。
在这里,该第一神经网络可以包括多层卷积层,还可以包括池化层等。上述卷积层和池化层共同作为用于提取样本图像的特征。该特征可以包括但不限于纹理特征、形状特征、轮廓特征等。该第一输出结果包括该样本图像的特征和用于指示该样本图像呈现的对象所属的至少一个类别的指示信息。该样本图像的特征可以为特征图,还可以为编码、字符等信息,在此不做限定。
具体的,该第一神经网络中可以预先设置有类别集合,该类别集合中的类别包括但不限于动物、植物、人,动物有可以包括但不限于猫、狗、羊等。从而,该第一神经网络可以基于所提取的图像特征确定该样本图像呈现的对象所属的最大类别,再从最大类别所包括的类中确定样本图像呈现的对象属于哪个类。在这里,用于指示该样本图像呈现的对象所属的至少一个类别的指示信息可以为样本图像呈现的对象所属于类别集合中的各类别的概率值。按照概率值从高至低的顺序,选取预设数目个概率值,将选取出的概率值对应的类别作为样本图像呈现的对象最有可能所属于的类别。
步骤302,将所得到的该样图像的特征输入至与至少一个类别对应的、用于识别特征类别的至少一个第二神经网络,得到每一个第二神经网络输出的用于指示该样本图像呈现的对象是否属于特定类别的指示信息。
在这里,该第二神经网络的数目可以是预先设定的,其所识别的特定类别也可以是预先设定的。通常,第二神经网络的数目基于第一神经网络中设置的类别集合中的类别的数目而定。其通常小于或等于类别集合中的类别的数目。第二神经网络所识别的类别也是基于类别集合中的类别而定的。通常,每一个第二神经网络可以识别出一种或两种类别。也即是说,该第二神经网络的结构即为二分类模型的结构。作为示例,当上述类别集合中的类别包括动物、植物、人三个类别时,该第二神经网络的数目为三个,其中一个用于识别动物类别,其中一个用于识别植物类别,另外一个用于识别人的类别。
第一神经网络在确定出该样本图像呈现的对象对应的多个类别后,从多个第二神经网络中选择出与该多个类别对应的第二神经网络。也即是说,与第一神经网络确定出的类别对应的第二神经网络中的每一个神经网络可以用于判定该样本图像呈现的对象是否为该特定类别。例如,当第一神经网络确定出该样本图像呈现的对象所属的类别包括小狗、小猫和小羊时,分别选择用于识别小狗的第二神经网络、用于识别小猫的第二神经网络和用于识别小羊的第二神经网络。然后,将第一神经网络输出的该样本图像的特征输入至用于判断是否为上述各类别的第二神经网络中,从而得到各个第二神经网络的输出结果。也即是说,用于识别小狗的第二神经网络基于该样本图像的特征确定该样本图像呈现的对象是否为小狗;用于识别小猫的第二神经网络基于该样本图像的特征确定该样本图像呈现的对象是否为小猫;用于识别小羊的第二神经网络基于该样本图像的特征确定该样本图像呈现的对象是否为小羊。
步骤303,将所得到的用于指示该样本图像呈现的对象是否属于特定类别的指示信息输入至全连接层,得到用于指示该样本图像呈现的对象所属的类别的输出结果。
在本实施例中,基于步骤302所得到的每一个第二神经网络的输出结果,可以将第二神经网络的输出结果输入至全连接层。经过全连接层对各个第二神经网络的输出结果进行分析汇总后,得到最终的输出结果。该最终的输出结果用于指示样本图像呈现的对象所属的类别。
步骤304,确定预设损失函数是否收敛。
在本实施例中,可以预先选取损失函数,该损失函数例如可以为交叉熵损失函数等。通常,初始的图像识别模型对图像中呈现的对象的预测结果与标注信息之间具有较大的偏差。利用步骤301-步骤304得到的每一个样本图像对应的输出结果,将输出结果和标注信息代入交叉熵损失函数中,可以得到用于指示所得到的与各样本图像呈现的对象的类别的输出结果与标注信息之间的误差的损失函数。然后,基于所得到的损失函数,可以确定该损失函数是否收敛。也即是说,利用梯度下降算法进行模型训练时,该损失函数的损失值达到某一数值后,其损失值后不再变化。
在本实施例的一些可选的实现方式中,预设损失函数可以包括第一损失函数和预设数目个第二损失函数。该第一预设损失函数用于指示第一神经网络的输出结果与标注信息之间的误差;各个第二损失函数用于指示各个第二神经网络输出的指示信息与标注信息之间的误差。也即是说,第一神经网络和第二神经网络分别作为独立的网络进行训练。从而,上述确定预设损失函数是否收敛,也即为确定第一预设损失函数和第二预设损失函数是否均收敛。通过设置第一损失函数和第二损失函数,可以将同一图像识别模型中的第一神经网络和第二神经网络分别独立训练,与仅设置一个预设损失函数相比,当需要调整某一神经网络的参数时,不需要对其他训练完成的部分进行更新,提高模型训练速度。
在这里,上述第二预设损失函数的数目可以基于第二神经网络的数目设定。也即是说,需要训练几个第二神经网络,即可设置相应数目的第二损失函数。
步骤305,响应于确定预设损失函数收敛,确定图像识别模型训练完成。
在本实施例中,根据步骤304所确定的预设损失函数是否收敛,在确定预设损失函数收敛时,可以确定图像识别模型训练完成。
在本实施例的一些可选的实现方式中,上述用于生成图像识别模型的方法还包括步骤203,该步骤203包括:响应于确定预设损失函数未收敛,调整图像识别模型的参数,继续执行步骤202所示的训练步骤。
在这里,该调整图像识别模型的参数例如可以为调整第一神经网络的卷积层的数目、卷积核的大小、步长等,或者调整第二神经网络的卷积层的数目、卷积核的大小、步长等。
在一些可选的实现方式中,当上述预设损失函数包括第一预设损失函数和多个第二预设损失函数时,还可以包括:响应于确定第一预设损失函数未收敛,调整第一神经网络的参数,继续执行步骤202所示的训练步骤,直到第一预设损失函数收敛。响应于确定第一预设损失函数收敛且第二预设损失函数未收敛,可以调整第二神经网络的参数,继续执行步骤202所示的步骤。
由于多个第二神经网络的输入是第一神经网络的输出的样本图像的特征,首先确定第一预设损失函数是否收敛,在确定第一预设损失函数收敛时再确定第二预设损失函数是否收敛。可以使得第一神经网络训练完毕后,将训练完成的第一神经网络的输出的图像的特征作为各个第二神经网络的样本,对各个第二神经网络进行训练,避免由于第一神经网络的输出的偏差对第二神经网络进行训练,导致第二神经网络更大的输出偏差,降低训练速度。通过该可选的实现方式,可以提高图像识别模型的训练速度。
本公开的实施例提供的用于生成图像识别模型的方法,通过对第一神经网络和多个第二神经网络进行联合训练,将第一神经网络输出的样本图像的特征输入至多个第二神经网络,使得第二神经网络不需要对样本图像再一次进行特征提取,提高了第二神经网络的识别速度。同时,利用第一神经网络识别出多个类别后,再利用多个第二神经网络对上述多个类别进行筛选,从而可以提高图像识别的准确性。
进一步参考图4,其示出了本公开的图像识别方法的一个实施例的流程400。该信息生成方法的流程400,包括以下步骤:
步骤401,获取呈现目标对象的图像。
在本实施例中,上述信息生成方法的执行主体(例如图1所示的终端设备101、102、103或者服务器105)可以通过有线连接或者无线连接的方式获取呈现目标对象的图像。在这里,该图像可以是上述执行主体所安装的拍摄设备或者与所连接的拍摄设备获取到的,也可以是预先存储于本地的。上述执行主体可以通过用于指示图像所存储的位置的路径信息获取到该图像。
步骤402,将图像输入至预先训练的图像识别模型,得到图像识别结果。
在本实施例中,该图像识别模型是根据图2、图3对应的实施例中描述的图像识别模型的生成方法生成的。
在这里,上述图像识别结果用于指示目标对象所属的类别。
具体的,上述图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层。首先,可以将所获取到的图像输入至图像识别模型的第一神经网络,得到该图像的特征和用于指示该图像呈现的目标对象所属的至少一个类别的指示信息。在这里,该图像的特征包括纹理特征、形状特征、轮廓特征等。在这里,该图像的特征可以利用特征图表示,也可以利用特征向量表示,其中每一维特征向量可以代表一个特征。然后,基于第一神经网络得到的图像呈现的目标对象所属的至少一个类别,选择与该至少一个类别中的每一个类别对应的第二神经网络。将第一神经网络输出的图像的特征分别输入至选择出的每一个第二神经网络中,得到每一个第二神经网络输出的图像中呈现的目标对象是否属于特定类别的指示信息。在这里,每一个第二神经网络用于识别特定的类别。该特定类别例如为小猫、小狗等。每一个第二神经网络所识别的类别均不相同。接着,将每一个第二神经网络输出的目标对象是佛属于特定类别的指示信息输入至全连接层,从而得到图像呈现的目标对象所属的类别的识别结果。
本公开的实施例提供的图像识别方法,通过将获取到的呈现目标对象的图像输入至基于第一神经网络和多个第二神经网络训练得到的图像识别模型,得到图像所呈现的目标对象所属的类别,由于第神经网络的输入是第一神经网络的输出的图像的特征,各个第二神经网络不需要对图像再一次进行特征提取,从而利用图像识别模型识别图像呈现的目标对象的类别,提高了图像识别速度。
进一步参考图5,其示出了本公开的图像识别方法的一个应用场景图。
在如图5所示的应用场景中,拍摄设备将获取到的呈现小狗的图像501输入至服务器502。服务器502将所获取到的图像501输入至图像识别模型的第一神经网络,得到图像501的特征和图像501呈现的小狗的类别。然后,将图像501的特征分别输入至图像识别模型用于识别是否为“萨摩”、“藏獒”和“松狮”的第二神经网络,得到该三个第二神经网络的输出结果,其中用于识别是否为“萨摩”的第二神经网络输出用于指示图像501呈现的小狗的类别不是“萨摩”的指示信息;用于识别是否为“藏獒”的第二神经网络输出用于指示图像501呈现的小狗的类别不是“藏獒”的指示信息;用于识别是否为“松狮”的第二神经网络输出用于指示图像501呈现的小狗的类别是“松狮”的指示信息。然后,上述三个第二神经网络将输出结果输入至图像识别模型的全连接层,得到图像501呈现的小狗的类别为“松狮”的指示信息。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了用于生成图像识别模型的装置的一个实施例,该装置实施例与图2、图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例提供的用于生成图像识别模型的装置600中,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层。用于生成图像识别模型的装置600包括获取单元601和训练单元602。其中,获取单元601,被配置成获取训练样本集,训练样本集中的训练样本包括样本图像和用于标注样本图像呈现的对象的类别的标注信息。训练单元602,被配置成执行如下训练步骤:对于训练样本集中的样本图像,将该样本图像输入至第一神经网络,得到第一输出结果,第一输出结果包括该样本图像的特征和用于指示该样本图像呈现的对象所属的至少一个类别的指示信息;将所得到的该样本图像的特征输入至与至少一个类别对应的、用于识别特定类别的至少一个第二神经网络,得到每一个第二神经网络输出的用于指示该样本图像呈现的对象是否属于特定类别的指示信息;将所得到的用于指示该样本图像呈现的对象是否属于特定类别的指示信息输入至全连接层,得到用于指示该样本图像呈现的对象所属的类别的输出结果;确定预设损失函数是否收敛,预设损失函数用于指示所得到的与各样本图像呈现的对象的类别的输出结果与标注信息之间的误差;响应于确定预设损失函数收敛,确定图像识别模型训练完成。
在本实施例中,用于生成图像识别模型的装置600中:获取单元601和训练单元602的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202以及步骤301-305的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,用于生成图像识别模型的装置600还包括:调整单元(未示出),被配置成响应于确定预设损失函数未收敛,调整图像识别模型的参数,继续执行训练步骤。
在本实施例的一些可选的实现方式中,预设损失函数包括第一损失函数、预定数目个第二损失函数,第一预设损失函数用于指示第一神经网络的输出结果与标注信息之间的误差,各个第二损失函数用于指示各个第二神经网络输出的指示信息与标注信息之间的误差;以及训练单元602进一步被配置成:确定第一预设损失函数和第二预设损失函数是否收敛。
在本实施例的一些可选的实现方式中,调整单元(图中未示出)进一步被配置成:响应于确定第一损失函数未收敛,调整第一神经网络的参数,继续执行训练步骤;响应于确定第一损失函数收敛且第二预设损失函数未收敛,调整第二神经网络的参数,继续执行训练步骤。
本公开的实施例提供的用于生成图像识别模型的装置,通过对第一神经网络和多个第二神经网络进行联合训练,将第一神经网络输出的样本图像的特征输入至多个第二神经网络,使得第二神经网络不需要对样本图像再一次进行特征提取,提高了第二神经网络的识别速度。同时,利用第一神经网络识别出多个类别后,再利用多个第二神经网络对上述多个类别进行筛选,从而可以提高图像识别的准确性。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了图像识别装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例提供的图像识别装置700包括获取单元701和识别单元702。获取单元701,被配置成获取呈现目标对象的图像;识别单元702,被配置成将图像输入至如上述任一实施例所示的模型训练方法训练得到的图像识别模型中,得到图像识别结果,图像识别结果用于指示目标对象所属的类别。
在本实施例的一些可选的实现方式中,图像识别模型包括第一神经网络、预定数目个第二神经网络和全连接层;以及识别单元702进一步被配置成:将图像输入至第一神经网络,得到图像的特征和用于指示图像呈现的目标对象所属的至少一个类别的指示信息;将图像的特征输入至与至少一个类别中的每一个类别对应的第二神经网络,得到各第二神经网络输出的目标对象是否属于特定类别的指示信息;将所得到的各指示信息输入至全连接层,得到图像识别结果。
下面参考图8,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述终端设备中所包含的;也可以是单独存在,而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取训练样本集,训练样本集中的训练样本包括样本图像和用于标注样本图像呈现的对象的类别的标注信息;执行如下训练步骤:对于训练样本集中的样本图像,将该样本图像输入至第一神经网络,得到第一输出结果,第一输出结果包括该样本图像的特征和用于指示该样本图像呈现的对象所属的至少一个类别的指示信息;将所得到的该样本图像的特征输入至与至少一个类别对应的、用于识别特定类别的至少一个第二神经网络,得到每一个第二神经网络输出的用于指示该样本图像呈现的对象是否属于特定类别的指示信息;将所得到的用于指示该样本图像呈现的对象是否属于特定类别的指示信息输入至全连接层,得到用于指示该样本图像呈现的对象所属的类别的输出结果;确定预设损失函数是否收敛,预设损失函数用于指示所得到的与各样本图像呈现的对象的类别的输出结果与标注信息之间的误差;响应于确定预设损失函数收敛,确定图像识别模型训练完成。
此外,当上述一个或者多个程序被该电子设备执行时,还可以使得该电子设备:获取呈现目标对象的图像;将图像输入至利用如第一方面所示的模型训练方法训练得到的图像识别模型中,得到图像识别结果,图像识别结果用于指示目标对象所属的类别。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括一种处理器,包括获取单元和训练单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取训练样本集的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。