CN111582185A - 用于识别图像的方法和装置 - Google Patents
用于识别图像的方法和装置 Download PDFInfo
- Publication number
- CN111582185A CN111582185A CN202010392847.4A CN202010392847A CN111582185A CN 111582185 A CN111582185 A CN 111582185A CN 202010392847 A CN202010392847 A CN 202010392847A CN 111582185 A CN111582185 A CN 111582185A
- Authority
- CN
- China
- Prior art keywords
- training
- subsets
- target
- image
- round
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了用于识别图像的方法和装置,涉及计算机视觉领域。具体实现方案为:使用识别模型,从待识别图像集中识别出包括目标人体的图像的待识别图像,识别模型的特征提取网络通过以下训练步骤得到:基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,并对子集中的样本图像添加标签;如果当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集;基于目标子集中的样本图像,对初始模型进行训练,得到训练后的初始模型;响应于确定当前训练轮数为最后一轮,将训练后的初始模型的特征提取网络作为图像识别模型的特征提取网络。该实施方式提升了识别模型的识别准确度。
Description
技术领域
本公开实施例涉及计算机技术领域,具体涉及计算机视觉技术。
背景技术
行人重识别也称行人再识别,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。目前,机器学习模型已经广泛应用于行人再识别领域,并且能够有效地提高行人再识别的性能。机器学习模型的训练需要大量的有标签行人图像。在实际应用中,难以获取到大规模的有标签行人图像,且人工添加标签的过程的成本非常高。为了解决这个问题,无监督学习就成了使用行人再识别技术的有效前提。一种常见的方式,是通过聚类算法给行人图像标上伪标签,再利用伪标签对机器学习模型进行有监督训练,从而提升机器学习模型的识别能力。
发明内容
提供了一种用于识别图像的方法和装置。
根据第一方面,本公开实施例提供了一种用于识别图像的方法,该方法包括:对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从上述待识别图像集中识别出包括上述目标人体的图像的待识别图像,其中,上述识别模型的特征提取网络是通过以下训练步骤得到的:基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签;响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,上述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;基于上述预设数量个目标子集中的样本图像,对上述初始模型进行训练,得到训练后的初始模型;响应于确定当前训练轮数为最后一轮,将上述训练后的初始模型的特征提取网络作为上述图像识别模型的特征提取网络。
根据第二方面,本公开实施例提供了一种用于识别图像的装置,该装置包括:识别单元,被配置成对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从上述待识别图像集中识别出包括上述目标人体的图像的待识别图像,其中,上述识别模型的特征提取网络是通过训练单元训练得到的,上述训练单元包括:划分单元,被配置成基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签;第一选取单元,被配置成响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,上述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;训练子单元,被配置成基于上述预设数量个目标子集中的样本图像,对上述初始模型进行训练,得到训练后的初始模型;第一确定单元,被配置成响应于确定当前训练轮数为最后一轮,将上述训练后的初始模型的特征提取网络作为上述图像识别模型的特征提取网络。
根据第三方面,本公开实施例提供了一种电子设备,其特征在于,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行如第一方面中任一项上述的方法。
根据第四方面,本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,上述计算机指令用于使上述计算机执行如第一方面中任一项上述的方法。
根据本申请的技术在训练识别模型的特征提取网络时,根据训练轮数的增加逐渐增加所选取目标子集间的区分难度,这样可以使初始模型对样本图像的区分能力随着训练轮数的增多逐步增强,最后将训练完成后的初始模型的特征提取网络作为识别模型的特征提取网络,从而使识别模型的特征提取网络所提取的特征信息更加准确,进而提升了识别模型的识别准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请的用于识别图像的方法的一个实施例的流程图;
图2是根据本申请的用于识别图像的方法的一个应用场景的示意图;
图3是根据本申请的用于识别图像的方法的又一个实施例的流程图;
图4是根据本申请的用于识别图像的装置的一个实施例的结果示意图;
图5是用来实现本申请实施例的用于识别图像的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,图1示出了根据本公开的用于识别图像的方法的一个实施例的流程100。该用于识别图像的方法,包括以下步骤:
S101,对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从待识别图像集中识别出包括目标人体的图像的待识别图像。
在本实施例中,用于识别图像的方法的执行主体可以通过有线连接方式或者无线连接方式获取待识别图像集和包括目标人体的图像的目标图像。作为示例,上述待识别图像集中可以包括多张待识别图像,而这多张待识别图像可以是使用不同的图像采集设备(例如,相机、摄像头等等)采集的得到的。上述目标图像中可以包括目标人体的图像,这里,目标人体可以是根据实际需要人为指定的特定人体。执行主体内部可以预先建立有识别模型。这样,执行主体可以使用识别模型,根据所获取的待识别图像集和包含目标人体的图像的目标图像,从待识别图像集中识别出包括目标人体的图像的待识别图像。
作为示例,上述识别模型可以包括特征提取网络和识别结果输出层,其中,上述特征提取网络可以用于对输入到识别模型的人体图像进行特征提取,得到特征向量。上述识别结果输出层可以接收特征提取网络得到的特征向量,并计算目标图像中目标人体图像的特征向量与各待识别图像中人体图像的特征向量之间的相似度,并根据相似度判断目标图像中目标人体图像所指示的目标人体和待识别图像中人体图像所指示的人体是否为同一个人。举例来说,如果相似度大于预设的相似度阈值,则可以判断为同一个人;如果相似度不大于相似度阈值,则可以判断不是同一个人。
需要说明的是,在使用识别模型对待识别图像和目标图像处理前,执行主体可以首先从目标图像和待识别图像中检测出人体的位置,得到人体检测框。然后,提取人体检测框内的人体图像。将提取的人体图像作为识别模型的输入。显而易见,人体检测的技术是目前广泛研究和应用的公知技术,因此这里不再赘述。
在这里,用于识别图像的方法的执行主体可以是具有图像处理功能的各种电子设备,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。
在本实施例中,上述识别模型的特征提取网络可以是通过以下训练步骤S1011~S1014得到的:
S1011,基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签。
在本实施例中,用于训练识别模型的特征提取网络的训练用执行主体与用于识别图像的方法的执行主体可以相同,也可以不同。训练用执行主体内首先建立有初始模型。该初始模型可以具有特征提取网络,作为示例,初始模型可以是用于对人体图像进行分类的分类模型。这里,初始模型可以是未经训练的神经网络模型或者未训练完成的神经网络模型,例如,卷积神经网络,深度神经网络等等。
在本实施例中,训练用执行主体首先可以获取无标签样本集,无标签样本集中可以包括大量无标签样本。这里,无标签样本可以是包括人体图像的无标签样本图像。这里的无标签可以是指没有标注样本图像中人体图像所指示人体的标识。之后,训练用执行主体可以使用初始模型的特征提取网络对无标签样本集中的各样本图像的人体图像进行特征提取,从而得到各无标签样本的人体图像的特征信息。然后,根据得到的特征信息,将无标签样本集划分为多个子集。举例来说,训练用执行主体可以计算各无标签样本所对应特征信息的距离(例如,欧式距离、余弦距离等等),并根据距离划分子集,例如,将距离小于预设距离阈值的无标签样本划分到同一个子集。最后,训练用执行主体可以对子集中的样本图像添加标签,作为示例,可以对同一个子集中的样本图像添加相同的标签。其中,每一个子集的标签都具有唯一性,即不同子集的标签不同。由于同一个子集中的样本图像的人体图像的特征信息之间的距离小于预设距离阈值,所以,可以认为同一个子集中的样本图像的人体图像所指示的人体为同一个人。因此,可以对同一个子集中的样本图像添加相同的标签。
在本实施例的一些可选的实现方式中,上述S1011中的基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,可以具体如下进行:
首先,使用初始模型的特征提取网络对无标签样本集中样本图像进行特征提取,得到样本图像的特征信息。
在本实现方式中,训练用执行主体可以使用初始模型的特征提取网络对无标签样本集中的各样本图像的人体图像进行特征提取,从而得到各无标签样本的人体图像的特征信息。
然后,对样本图像的特征信息进行聚类,得到多个簇。
在本实现方式中,可以对得到的样本图像的特征信息进行聚类,从而得到多个簇。根据多个簇可以将无标签样本集划分为多个子集。具体的,可以将每个簇中的特征信息对应的样本图像划分到同一个子集。作为示例,进行聚类时,可以使用各种聚类算法,包括但不限于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、k均值聚类算法(k-means clustering algorithm)等等,其中,DBSCAN是一个比较有代表性的基于密度的聚类算法。通过本实现方式可以采用聚类算法将无标签子集划分为多个子集,从而使子集划分更加准确。
在本实施例的一些可选的实现方式中,在执行上述训练步骤之前,上述训练步骤还可以包括:使用有标签样本集训练得到预训练模型,将预训练模型作为第一轮的初始模型。
在本实现方式中,在执行上述训练步骤之前,上述训练用执行主体还可以使用有标签样本集得到预训练模型,并将预训练模型作为第一轮训练的初始模型。其中,有标签样本集中的样本可以包括样本图像和用于标识样本图像所包含人体图像的标签。作为示例,这里,有标签样本集可以是指训练用执行主体所获取的带有标签的样本集。由于实际应用场景中,难以获取大规模的有标签样本,因此,该有标签样本集中的样本数量较少,通常少于预设的数量阈值。通过本实现方式中,可以在进行第一轮训练之前,使用包含有少量有标签样本的有标签样本集训练一个预训练模型,并将预训练模型作为第一轮训练的初始模型,这样,可以让初始模型能够更快的收敛,提高初始模型的训练效果。
S1012,响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集。
在本实施例中,训练用执行主体在训练模型时,通常会进行多轮训练,即分多次对模型进行训练。而每轮训练也可以使用多个样本批次。训练用执行主体可以判断当前训练轮数是不是第一轮。如果当前训练轮数不是第一轮,则训练用执行主体可以从S1011中得到的已添加标签子集中选取预设数量个目标子集。这里,上述预设数量可以根据实际需要进行设定。所选取的预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离。举例来说,首先可以计算各目标子集内的平均特征,即该目标子集内样本图像中人体图像的特征信息的平均值。然后,通过各子集的平均特征,计算每两个子集之间的特征距离。作为示例,这里,所选取的预设数量个目标子集间的特征距离,可以是指预设数量个目标子集中两两子集之间的特征距离之和。通常,两个子集间的特征距离越大,表示这两个子集中的样本图像的人体图像之间的差别越大,对于初始模型而言,进行区分的难度越小。反之,如果当前训练轮数所使用的目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离,则表示当前训练轮数,对初始模型训练的难度增加。
可以理解的是,为了使当前训练轮数对初始模型的训练充分,可以多次执行S1012,从而得到多组预设数量个目标子集,而每一组可以作为一个样本批次,即得到多个样本批次。
在本实施例的一些可选的实现方式中,上述S1012可以具体如下进行:
首先,根据预设的训练轮数与采样位置的对应关系,确定当前训练轮数所对应的目标采样位置。
在本实现方式中,训练用执行主体内可以预先存储有训练轮数与采样位置的对应关系。举例来说,该对应关系可以记载每一轮训练时,选取排序结果中的第几个子集作为目标子集。这样,训练用执行主体可以将当前训练轮数所对应的采用位置确定为目标样本位置。
然后,选取第一个子集,以及执行以下子集选取步骤:基于未选取子集与当前已选取子集中子集的特征距离,按降序对未选取子集进行排序;选取所述排序结果中所述目标采样位置处的子集作为下一个所选取的子集;响应于确定已选取子集数量未达到所述预设数量,则继续执行所述子集选取步骤。
在本实现方式中,训练用执行主体可以随机从已添加标签中选取一个子集作为第一个子集,并执行以下子集选取步骤:1)基于未选取子集与当前已选取子集中子集的特征距离,按降序对未选取子集进行排序。这里,训练用执行主体可以计算多个子集中未选取子集与当前已选取子集中子集的特征距离。例如,计算未选取的每一个子集与当前已选取的子集的特征距离之和,并按距离之和由大到小的顺序对未选取的子集进行排序,得到排序结果。2)选取排序结果中目标采样位置处的子集作为下一个所选取的子集。3)响应于确定已选取子集数量未达到预设数量,则继续执行子集选取步骤。这里,如果已选取子集数量没有达到预设数量,则可以继续执行上述子集选取步骤,来选取下一个子集,直至已选取子集数量达到预设数量。本实现方式,按特征距离对未选取子集进行降序排序,并选取排序结果中目标采样位置处的子集作为下一个所选取的子集。因此,可以通过设置训练轮数与采样位置的对应关系,来确定所选取子集的采样位置。进而通过设置对应关系,可以使所选取的预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离。
在本实施例的一些可选的实现方式中,上述训练步骤还可以包括:响应于确定当前训练轮数是第一轮,选取子集间距离最大的预设数量个子集作为目标子集。
在本实现方式中,如果确定当前训练轮数是第一轮,则训练用执行主体可以选取子集间距离最大的预设数量个子集作为目标子集。举例来说,如果当前训练轮数是第一轮,则训练用执行主体可以通过以下方式选取预设数量个子集作为目标子集:首先,从已添加标签的多个子集中随机选取一个子集作为第一子集;之后,可以从多个子集中选取与第一子集的特征距离最大的子集作为第二子集;然后,从多个子集中选取与第一子集和第二子集的特征距离之和最大的子集作为第三子集,以此类推,得到预设数量个子集作为目标子集。通过本实现方式,可以使第一轮训练时,所使用的样本图像之间的距离最大,即样本图像的区分难度最小。由于第一轮训练时初始模型的样本图像区分能力不强,因此,在第一轮训练时选用低难度的样本图像有助于初始模型的训练。
S1013,基于预设数量个目标子集中的样本图像,对初始模型进行训练,得到训练后的初始模型。
在本实施例中,训练用执行主体可以基于上述预设数量个目标子集中的样本图像,对上述初始模型进行训练,得到训练后的初始模型。举例来说,对于上述预设数量个目标子集中的每一个目标子集,可以从该目标子集中随机选取预设数量个已添加标签的样本图像,从而组成训练用样本集。之后,可以使用该训练用样本集对初始模型进行训练,得到训练后的初始模型。举例来说,可以将训练用样本集中的样本图像作为输入,将输入的样本图像的标签作为期望输出,训练得到训练后的初始模型。
S1014,响应于确定当前训练轮数为最后一轮,将训练后的初始模型的特征提取网络作为图像识别模型的特征提取网络。
在本实施例中,训练用执行主体可以判断当前训练轮数是否为最后一轮,如果是,则训练用执行主体可以将上述训练后的初始模型的特征提取网络作为上述图像识别模型的特征提取网络。作为示例,训练用执行主体内部可以预先设定有训练轮数上限,这样,训练用执行主体可以在每一轮训练时,判断当前训练轮数是不是达到了训练轮数上限,如果达到了,则表示当前训练轮数为最后一轮。
继续参考图2,图2是根据本实施例的用于识别图像的方法的应用场景的一个示意图。在图2的应用场景中,终端设备201首先接收多个摄像头采集的待识别图像集和包含目标人体“张三”的图像的目标图像。之后,终端设备201使用预先建立的识别模型,从待识别图像集中识别出包括目标人体“张三”的图像的待识别图像。这里,识别模型的特征提取网络是通过以下训练步骤得到的:1)基于初始模型的特征提取网络对无标签样本集中的样本图像所提取的特征信息,将无标签样本集划分为多个子集,并对各子集中的样本图像添加标签;2)响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,上述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;3)基于上述预设数量个目标子集中的样本图像,对初始模型进行训练,得到训练后的初始模型;4)响应于确定当前训练轮数为最后一轮,将上述训练后的初始模型的特征提取网络作为上述图像识别模型的特征提取网络。
本公开的上述实施例提供的方法在训练识别模型的特征提取网络时,根据训练轮数的增加逐渐增加所选取目标子集间的区分难度,这样可以使初始模型对样本图像的区分能力随着训练轮数的增多逐步增强,最后将训练完成后的初始模型的特征提取网络作为识别模型的特征提取网络,从而使识别模型的特征提取网络所提取的特征信息更加准确,进而提升了识别模型的识别准确度。
进一步参考图3,其示出了用于识别图像的方法的又一个实施例的流程300。该用于识别图像的方法的流程300,包括以下步骤:
S301,对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从待识别图像集中识别出包括所述目标人体的图像的待识别图像。
在本实施例中,S301与图1所示实施例的S101类似,此处不再赘述。其中,上述识别模型的特征提取网络可以是通过以下训练步骤S3011~S3015得到的:
S3011,基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签。
在本实施例中,S3011与图1所示实施例的S1011类似,此处不再赘述。
S3012,响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集。
在本实施例中,S3012与图1所示实施例的S1012类似,此处不再赘述。
S3013,基于预设数量个目标子集中的样本图像,对初始模型进行训练,得到训练后的初始模型。
在本实施例中,S3013与图1所示实施例的S1013类似,此处不再赘述。
S3014,响应于确定当前训练轮数为最后一轮,将训练后的初始模型的特征提取网络作为图像识别模型的特征提取网络。
在本实施例中,S3014与图1所示实施例的S1014类似,此处不再赘述。
S3015,响应于确定当前训练轮数不是最后一轮,将训练后的初始模型作为初始模型,继续执行训练步骤。
在本实施例中,如果当前训练轮数不是最后一轮,则训练用执行主体可以将S3013得到的训练后的初始模型作为初始模型,继续执行上述训练步骤。
从图3中可以看出,与图1对应的实施例相比,本实施例中的用于识别图像的方法突出了在当前训练轮数不是最后一轮的情况下,继续执行训练步骤的过程。由此,本实施例描述的方案可以对初始模型进行多轮训练,从而使得到的识别模型的特征提取网络所提取的特征信息更加准确。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种用于识别图像的装置,该装置实施例与图1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4所示,本实施例的用于识别图像的装置400包括:识别单元401,其中,识别单元401被配置成对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从上述待识别图像集中识别出包括上述目标人体的图像的待识别图像,其中,上述识别模型的特征提取网络是通过训练单元402训练得到的,上述训练单元402包括:划分单元4021,被配置成基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签;第一选取单元4022,被配置成响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,上述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;训练子单元4023,被配置成基于上述预设数量个目标子集中的样本图像,对上述初始模型进行训练,得到训练后的初始模型;第一确定单元4024,被配置成响应于确定当前训练轮数为最后一轮,将上述训练后的初始模型的特征提取网络作为上述图像识别模型的特征提取网络。
在本实施例中,用于识别图像的装置400的识别单元401的具体处理及其所带来的技术效果可分别参考图1对应实施例中S101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,上述训练单元402还包括:第二确定单元(图中未示出),被配置成响应于确定当前训练轮数不是最后一轮,将上述训练后的初始模型作为初始模型,继续执行上述训练步骤。
在本实施例的一些可选的实现方式中,上述训练单元402还包括:第二选取单元(图中未示出),被配置成响应于确定当前训练轮数是第一轮,选取子集间距离最大的预设数量个子集作为目标子集。
在本实施例的一些可选的实现方式中,上述训练单元402还包括:预训练单元(图中未示出),被配置成使用有标签样本集训练得到预训练模型,将上述预训练模型作为第一轮的初始模型。
在本实施例的一些可选的实现方式中,上述第一选取单元4022进一步被配置成:根据预设的训练轮数与采样位置的对应关系,确定当前训练轮数所对应的目标采样位置;选取第一个子集,以及执行以下子集选取步骤:基于未选取子集与当前已选取子集中子集的特征距离,按降序对未选取子集进行排序;选取上述排序结果中上述目标采样位置处的子集作为下一个所选取的子集;响应于确定已选取子集数量未达到上述预设数量,则继续执行上述子集选取步骤。
在本实施例的一些可选的实现方式中,上述划分单元4021进一步被配置成:使用初始模型的特征提取网络对无标签样本集中样本图像进行特征提取,得到样本图像的特征信息;对样本图像的特征信息进行聚类,得到多个簇。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的用于识别图像的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的用于识别图像的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于识别图像的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于识别图像的方法对应的程序指令/模块(例如,附图4所示的识别单元401、训练单元402、划分单元4021、第一选取单元4022、训练子单元4023和第一确定单元4024)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于识别图像的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于识别图像的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至用于识别图像的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于识别图像的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与用于识别图像的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在训练识别模型的特征提取网络时,根据训练轮数的增加逐渐增加所选取目标子集间的区分难度,这样可以使初始模型对样本图像的区分能力随着训练轮数的增多逐步增强,最后将训练完成后的初始模型的特征提取网络作为识别模型的特征提取网络,从而使识别模型的特征提取网络所提取的特征信息更加准确,进而提升了识别模型的识别准确度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种用于识别图像的方法,其特征在于,包括:
对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从所述待识别图像集中识别出包括所述目标人体的图像的待识别图像,其中,所述识别模型的特征提取网络是通过以下训练步骤得到的:
基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签;
响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,所述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;
基于所述预设数量个目标子集中的样本图像,对所述初始模型进行训练,得到训练后的初始模型;
响应于确定当前训练轮数为最后一轮,将所述训练后的初始模型的特征提取网络作为所述图像识别模型的特征提取网络。
2.根据权利要求1所述的方法,其特征在于,所述训练步骤还包括:
响应于确定当前训练轮数不是最后一轮,将所述训练后的初始模型作为初始模型,继续执行所述训练步骤。
3.根据权利要求1所述的方法,其特征在于,所述训练步骤还包括:
响应于确定当前训练轮数是第一轮,选取子集间距离最大的预设数量个子集作为目标子集。
4.根据权利要求1所述的方法,其特征在于,在执行所述训练步骤之前,所述训练步骤还包括:
使用有标签样本集训练得到预训练模型,将所述预训练模型作为第一轮的初始模型。
5.根据权利要求1所述的方法,其特征在于,所述响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,包括:
根据预设的训练轮数与采样位置的对应关系,确定当前训练轮数所对应的目标采样位置;
选取第一个子集,以及执行以下子集选取步骤:基于未选取子集与当前已选取子集中子集的特征距离,按降序对未选取子集进行排序;选取所述排序结果中所述目标采样位置处的子集作为下一个所选取的子集;响应于确定已选取子集数量未达到所述预设数量,则继续执行所述子集选取步骤。
6.根据权利要求1所述的方法,其特征在于,所述基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,包括:
使用初始模型的特征提取网络对无标签样本集中样本图像进行特征提取,得到样本图像的特征信息;
对样本图像的特征信息进行聚类,得到多个簇。
7.一种用于识别图像的装置,其特征在于,包括:
识别单元,被配置成对待识别图像集和包含目标人体的图像的目标图像,使用预先建立的识别模型,从所述待识别图像集中识别出包括所述目标人体的图像的待识别图像,其中,所述识别模型的特征提取网络是通过训练单元训练得到的,所述训练单元包括:
划分单元,被配置成基于初始模型的特征提取网络对无标签样本集中样本图像所提取的特征信息,将无标签样本集划分多个子集,以及对子集中的样本图像添加标签;
第一选取单元,被配置成响应于确定当前训练轮数不是第一轮,从已添加标签的多个子集中选取预设数量个目标子集,其中,所述预设数量个目标子集间的特征距离小于上一轮训练时所使用目标子集间的特征距离;
训练子单元,被配置成基于所述预设数量个目标子集中的样本图像,对所述初始模型进行训练,得到训练后的初始模型;
第一确定单元,被配置成响应于确定当前训练轮数为最后一轮,将所述训练后的初始模型的特征提取网络作为所述图像识别模型的特征提取网络。
8.根据权利要求7所述的装置,其特征在于,所述训练单元还包括:
第二确定单元,被配置成响应于确定当前训练轮数不是最后一轮,将所述训练后的初始模型作为初始模型,继续执行所述训练步骤。
9.根据权利要求7所述的装置,其特征在于,所述训练单元还包括:
第二选取单元,被配置成响应于确定当前训练轮数是第一轮,选取子集间距离最大的预设数量个子集作为目标子集。
10.根据权利要求7所述的装置,其特征在于,所述训练单元还包括:
预训练单元,被配置成使用有标签样本集训练得到预训练模型,将所述预训练模型作为第一轮的初始模型。
11.根据权利要求7所述的装置,其特征在于,所述第一选取单元进一步被配置成:
根据预设的训练轮数与采样位置的对应关系,确定当前训练轮数所对应的目标采样位置;
选取第一个子集,以及执行以下子集选取步骤:基于未选取子集与当前已选取子集中子集的特征距离,按降序对未选取子集进行排序;选取所述排序结果中所述目标采样位置处的子集作为下一个所选取的子集;响应于确定已选取子集数量未达到所述预设数量,则继续执行所述子集选取步骤。
12.根据权利要求7所述的装置,其特征在于,所述划分单元进一步被配置成:
使用初始模型的特征提取网络对无标签样本集中样本图像进行特征提取,得到样本图像的特征信息;
对样本图像的特征信息进行聚类,得到多个簇。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392847.4A CN111582185B (zh) | 2020-05-11 | 2020-05-11 | 用于识别图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392847.4A CN111582185B (zh) | 2020-05-11 | 2020-05-11 | 用于识别图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582185A true CN111582185A (zh) | 2020-08-25 |
CN111582185B CN111582185B (zh) | 2023-06-30 |
Family
ID=72117424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010392847.4A Active CN111582185B (zh) | 2020-05-11 | 2020-05-11 | 用于识别图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582185B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112613553A (zh) * | 2020-12-18 | 2021-04-06 | 中电金信软件有限公司 | 图片样本集生成方法、装置、计算机设备和存储介质 |
CN112784903A (zh) * | 2021-01-26 | 2021-05-11 | 上海明略人工智能(集团)有限公司 | 用于目标识别模型训练的方法、装置及设备 |
CN112784749A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标对象的识别方法、装置及介质 |
CN113204695A (zh) * | 2021-05-12 | 2021-08-03 | 北京百度网讯科技有限公司 | 网站识别方法和装置 |
CN113377998A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 数据加载的方法、装置、电子设备及存储介质 |
WO2023221186A1 (zh) * | 2022-05-17 | 2023-11-23 | 慧壹科技(上海)有限公司 | 一种化合物聚类的方法、装置、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101770586B1 (ko) * | 2016-03-18 | 2017-08-24 | 주식회사 만도 | 보행자 인식 시스템 및 그 제어 방법 |
US20190266409A1 (en) * | 2017-12-13 | 2019-08-29 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatuses for recognizing video and training, electronic device and medium |
CN110569793A (zh) * | 2019-09-09 | 2019-12-13 | 西南交通大学 | 一种无监督相似性判别学习的目标跟踪方法 |
CN110942025A (zh) * | 2019-11-26 | 2020-03-31 | 河海大学 | 一种基于聚类的无监督跨域行人重识别方法 |
CN111062430A (zh) * | 2019-12-12 | 2020-04-24 | 易诚高科(大连)科技有限公司 | 一种基于概率密度函数的行人重识别评价方法 |
-
2020
- 2020-05-11 CN CN202010392847.4A patent/CN111582185B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101770586B1 (ko) * | 2016-03-18 | 2017-08-24 | 주식회사 만도 | 보행자 인식 시스템 및 그 제어 방법 |
US20190266409A1 (en) * | 2017-12-13 | 2019-08-29 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatuses for recognizing video and training, electronic device and medium |
CN110569793A (zh) * | 2019-09-09 | 2019-12-13 | 西南交通大学 | 一种无监督相似性判别学习的目标跟踪方法 |
CN110942025A (zh) * | 2019-11-26 | 2020-03-31 | 河海大学 | 一种基于聚类的无监督跨域行人重识别方法 |
CN111062430A (zh) * | 2019-12-12 | 2020-04-24 | 易诚高科(大连)科技有限公司 | 一种基于概率密度函数的行人重识别评价方法 |
Non-Patent Citations (3)
Title |
---|
ZHAO, JJ; HAN, JG; SHAO, L: "Unconstrained Face Recognition Using a Set-to-Set Distance Measure on Deep Learned Features", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 * |
刘小平: "基于深度学习的人脸识别技术研究与应用", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
王艺程: "基于卷积神经网络的行人重识别方法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112613553A (zh) * | 2020-12-18 | 2021-04-06 | 中电金信软件有限公司 | 图片样本集生成方法、装置、计算机设备和存储介质 |
CN112784749A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标对象的识别方法、装置及介质 |
CN112784749B (zh) * | 2021-01-22 | 2023-11-10 | 北京百度网讯科技有限公司 | 目标模型的训练方法、目标对象的识别方法、装置及介质 |
CN112784903A (zh) * | 2021-01-26 | 2021-05-11 | 上海明略人工智能(集团)有限公司 | 用于目标识别模型训练的方法、装置及设备 |
CN112784903B (zh) * | 2021-01-26 | 2023-12-12 | 上海明略人工智能(集团)有限公司 | 用于目标识别模型训练的方法、装置及设备 |
CN113204695A (zh) * | 2021-05-12 | 2021-08-03 | 北京百度网讯科技有限公司 | 网站识别方法和装置 |
CN113204695B (zh) * | 2021-05-12 | 2023-09-26 | 北京百度网讯科技有限公司 | 网站识别方法和装置 |
CN113377998A (zh) * | 2021-06-28 | 2021-09-10 | 北京百度网讯科技有限公司 | 数据加载的方法、装置、电子设备及存储介质 |
WO2023221186A1 (zh) * | 2022-05-17 | 2023-11-23 | 慧壹科技(上海)有限公司 | 一种化合物聚类的方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111582185B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582185B (zh) | 用于识别图像的方法和装置 | |
CN112560912B (zh) | 分类模型的训练方法、装置、电子设备和存储介质 | |
WO2021203863A1 (zh) | 基于人工智能的物体检测方法、装置、设备及存储介质 | |
CN112036509A (zh) | 用于训练图像识别模型的方法和装置 | |
KR102585234B1 (ko) | 전자 기기를 위한 비전 인텔리전스 관리 | |
CN111967302B (zh) | 视频标签的生成方法、装置及电子设备 | |
CN111104514B (zh) | 文档标签模型的训练方法及装置 | |
CN111523596A (zh) | 目标识别模型训练方法、装置、设备以及存储介质 | |
KR20200010993A (ko) | 보완된 cnn을 통해 이미지 속 얼굴의 속성 및 신원을 인식하는 전자 장치. | |
CN112507090B (zh) | 用于输出信息的方法、装置、设备和存储介质 | |
CN110991427A (zh) | 用于视频的情绪识别方法、装置和计算机设备 | |
CN111222476A (zh) | 视频时序动作的检测方法、装置、电子设备及存储介质 | |
CN111598164A (zh) | 识别目标对象的属性的方法、装置、电子设备和存储介质 | |
US10867246B1 (en) | Training a neural network using small training datasets | |
CN111339268A (zh) | 实体词识别方法和装置 | |
CN111667056A (zh) | 用于搜索模型结构的方法和装置 | |
CN112148881A (zh) | 用于输出信息的方法和装置 | |
CN112149637A (zh) | 用于生成目标再识别模型和用于目标再识别的方法和装置 | |
CN113033458A (zh) | 动作识别方法和装置 | |
CN114386503A (zh) | 用于训练模型的方法和装置 | |
WO2023048809A1 (en) | Leveraging unsupervised meta-learning to boost few-shot action recognition | |
CN110418163B (zh) | 视频帧采样方法、装置、电子设备及存储介质 | |
Lahiani et al. | Hand pose estimation system based on Viola-Jones algorithm for android devices | |
CN111666771A (zh) | 文书的语义标签抽取、装置、电子设备及可读存储介质 | |
CN111310058A (zh) | 资讯主题的推荐方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |