图像识别方法和用于训练图像识别模型的方法
文献发布时间:2023-06-19 16:09:34
技术领域
本公开涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于人脸识别等场景,具体涉及一种图像识别方法和用于训练图像识别模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于人工智能的图像处理技术,已经渗透到各个领域。其中,基于人工智能的光学字符识别(OCR)技术,通过对图像进行处理,识别图像上的形状,并将所识别的形状翻译成字符。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像识别方法、用于训练图像识别模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像识别方法,包括:获得目标图像,所述目标图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;基于所述目标图像,获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;以及基于所述按顺序排列的第二数量的标签,获得所述目标图像的识别结果,所述识别结果包括与所述按顺序排列的第二数量的标签中的所述第一数量的标签相应的按顺序排列的所述第一数量的字符。
根据本公开的另一方面,提供了一种用于训练图像识别模型的方法,包括:获得训练图像,所述训练图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;获得所述训练图像的标注标签,所述标注标签包括按顺序排列的所述第一数量的标签,所述按顺序排列的第一数量的标签与所述第一方向排列的第一数量的字符对应,并且所述第一数量中的每一个标签来自所述预设标签集;将所述训练图像输入至图像识别模型,以获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的所述第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;获得预测标签,所述预测标签包括所述按顺序排列的第二数量的标签中的所述第一数量的标签;以及基于所述标注标签和所述预测标签,调整所述图像识别模型的参数。
根据本公开的另一方面,提供了一种图像识别装置,包括:图像获取单元,被配置用于获得目标图像,所述目标图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;预测单元,被配置用于基于所述目标图像,获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;以及标签获取单元,被配置用于基于按顺序排列的第二数量的标签,获得所述目标图像的识别结果,所述识别结果包括与所述按顺序排列的第二数量的标签中的所述第一数量的标签相应的按顺序排列的所述第一数量的字符。
根据本公开的另一方面,提供了一种用于训练图像识别模型的装置,包括:训练图像获取单元,被配置用于获得训练图像,所述训练图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;标注单元,被配置用于获得所述训练图像的标注标签,所述标注标签包括按顺序排列的所述第一数量的标签,所述按顺序排列的第一数量的标签与所述第一方向排列的第一数量的字符对应,并且所述第一数量中的每一个标签来自所述预设标签集;训练图像输入单元,被配置用于将所述训练图像输入至图像识别模型,以获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的所述第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;预测标签获取单元,被配置用于获得预测标签,所述预测标签包括所述按顺序排列的第二数量的标签中的所述第一数量的标签;以及参数调整单元,被配置用于基于所述标注标签和所述预测标签,调整所述图像识别模型的参数。
根据本公开的另一方面,提供了一种电子设备,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实现根据上述的方法。
根据本公开的另一方面,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,其中,所述计算机指令用于使所述计算机实现根据上述的方法。
根据本公开的另一方面,提供了一种计算机程序产品包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的一个或多个实施例,可以减少对包含字符的目标图像的数据处理量,提升对目标图像中所包含的字符的识别的准确性。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像识别方法的流程图;
图3示出了根据本公开的实施例的图像识别方法中的获得目标图像的过程的流程图;
图4示出了根据本公开的实施例的图像识别方法中的基于所述对应区域获得目标图像的过程的流程图;
图5示出了根据本公开的实施例的图像识别方法中的基于目标图像获得按顺序排列的第二数量的标签的过程的流程图;
图6示出了根据本公开的实施例的图像识别方法中的基于第二数量的特征图对应的第二数量的卷积特征获得按顺序排列的第二数量的标签的过程的流程图;
图7示出了根据本公开的实施例的图像识别方法中的基于预测矩阵获得按顺序排列的第二数量的标签的过程的流程图;
图8示出了根据本公开的实施例的用于训练图像识别模型的方法的流程图;
图9示出了根据本公开的实施例的用于训练图像识别模型的方法中将训练图像输入至图像识别模型的过程的流程图;
图10示出了根据本公开的实施例的用于训练图像识别模型的方法中将第二数量的特征图输入至预测网络的过程的流程图;
图11示出了根据本公开的实施例的用于训练图像识别模型的方法中基于第二数量的特征图对应的第二数量的卷积特征获得按顺序排列的第二数量的标签的过程的流程图;
图12示出了根据本公开的实施例的用于训练图像识别模型的方法中基于预测矩阵获得按顺序排列的第二数量的标签的过程的流程图;
图13示出了根据本公开的实施例的图像识别装置的结构框图;
图14示出了根据本公开的实施例的用于训练图像识别模型的装置的结构框图;以及
图15示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像识别方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来接收第一分类结果。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
参看图2,根据本公开的一些实施例的一种图像识别方法200包括:
步骤S210:获得目标图像,所述目标图像包括沿第一方向排列的第一数量的字符;
步骤S220:基于所述目标图像,获得按顺序排列的第二数量的标签;
步骤S230:获得所述目标图像的识别结果。
其中,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;以及所述识别结果包括与所述按顺序排列的第二数量的标签中的所述第一数量的标签相应的按顺序排列的所述第一数量的字符。
通过对包含沿着第一方向排列的第一数量的字符的目标图像进行处理,其中,该第一数量的字符来自对应有预设标签集的预设字符集,获得对应于该目标图像的第二数量的区域的第二数量的标签,并且该第二数量的标签分别来自预设标签集。使得对目标图像中的字符的识别的过程,变为对目标图像的分类过程,减少数据处理量的同时,提升目标图像的识别结果的准确性。
在相关技术中,通过基于分割(segmentation-based)的方法对包含多个字符的图像进行定位,获得图像中各个字符的位置,然后对各个位置上的字符进行识别,最后将识别的字符组合成字符串,以获得图像的识别结果。其中,由于涉及字符的识别,在模型的训练过程中,需要对所涉及的字符均进行精确标注,使得标注成本高。
根据本公开的实施例,通过获得预设字符集对应的预设标签集,仅仅需要对预设字符集进行有限的标注,使得标注的数据量大大减少。同时,在对图像识别的过程中,针对图像的特征,对图像进行对应于预设标签集的分类,图像分类过程所涉及的数据处理量大大减少。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
在一些实施例中,目标图像可以是任意包括沿第一方向排列的第一数量的字符的图像,其中,第一方向可以为目标图像的长度方向。
在一些实施例中,目标图像可以是包含目标对象的图像,其中,目标对象包括沿一个方向(可以是物理空间中的任意方向)排列的第一数量的字符的图像。例如,目标对象可以是包含文字的纸,目标图像可以是包括该包含文字的纸的图像。
在一些实施例中,目标对象包括下列各项中的任一项:机动车号牌、门牌、运动员号码布。
在一些实施例中,针对目标对象,获得对应于该目标对象的预设字符集和预设标签集。
例如,目标对象为机动车号牌,则预设字符集包括与多个预设区域的多个简称分别对应的字符,数字和字母。例如,预设字符集包括由京、津、冀、晋、蒙、辽、吉、黑、沪、苏……等72个汉字字符构成的汉字字符集,由0、1、2……9等10个数字字符构成的数字字符集,以及由A、B、C……Z等26个拼音字符构成的拼音字符集。则预设标签集包括分别与31个汉字字符中的每一个汉字字符对应的标签、与10个数字字符中的每一个数字字符对应的标签以及与26个拼音字符中的每一个拼音字符对应的标签。
在一些实施例中,预设字符集还包括空白字符,空白字符指示不对应于任何字符。预设标签集包括与空白字符对应的第一标签。
在一些实施例中,第一数量是预设数量并且与目标对象相应。
在一些实施例中,第一数量是小于或者等于第二数量的任一数量,其中,第二数量是预先设定的。
在一些实施例中,如图3所示,步骤S210、获得目标图像包括:
步骤S310:获得第一图像,所述第一图像包括目标对象,所述目标对象包括所述沿第一方向排列的第一数量的字符;
步骤S320:获得所述目标对象在所述第一图像中的对应区域;以及
步骤S330:基于所述对应区域获得所述目标图像。
通过获得包括包含有第一数量的字符的目标对象的第一图像,并获取第一图像中目标对象所在的区域,以获取目标图像。使得目标图像中仅包含目标对象,实现针对目标对象中的字符进行识别,在需要针对目标对象中的字符进行识别的应用场景中,提升识别结果的准确性。
在一些实施例中,通过对第一图像执行目标检测,以获得目标对象在第一图像中的对应区域。
在一些实施例中,针对目标对象,通过对第一图像进行抠图,以获得目标对象在第一图像中的对应区域。
在一些实施例中,在获得对应区域之后,将对应区域缩放至预设尺寸,以获得目标图像。
在一些实施例中,如图4所示,步骤S330、基于所述对应区域获得所述目标图像包括:
步骤S410:获取所述对应区域上的多个点;以及
步骤S410:基于所述多个点进行透视变换,以获得所述目标图像,其中,所述目标图像为所述目标对象的正视图。
通过透视变换,改变目标对象的投影平面,使目标图像所在的平面为目标对象的正投影面,即目标图像为目标对象的正视图,使对目标图像图像上的图像特征所表示的目标对象更准确,从而使基于目标图像获得的按顺序排列的第二数量的标签准确。
在一些实施例中,目标对象的对应区域为矩形区域,对应区域上的多个点为矩形区域的四个角的顶点。
在一些实施例中,通过将目标图像输入至经训练的图像识别模型,获得按顺序排列的第二数量的标签。其中,经训练的图像识别模型包括特征提取网络和分类预测网络。
在一些实施例中,如图5所示,步骤S220、基于所述目标图像,获得按顺序排列的第二数量的标签包括:
步骤S510:对所述目标图像执行对应于所述第二数量的通道的特征提取,以获得所述第二数量的特征图;
步骤S520:对所述第二数量的特征图分别执行卷积操作,以获得所述第二数量的特征图中的每一个特征图对应的卷积特征;以及
步骤S530:基于所述第二数量的特征图对应的第二数量的卷积特征,获得所述按顺序排列的第二数量的标签。
通过对目标图像执行第二数量的通道的特征提取之后,对所获得的第二数量的特征图进行分离卷积,通过对多个通道上的多个特征图分别进行卷积操作之后,基于卷积操作之后的第二数量的卷积特征获得按顺序排列的第二数量的标签,大大减少了减少数据处理量。
在一些实施例中,采用分类透视网络(CPNet)对目标图像执行第二数量的通道的特征提取。分类透视网络提高了网络关注重要特征的能力,还能够抑制对不必要的特征的关注,同时有更大的有效感受野,使得基于所提取的特征进行分类后,获得的按顺序排列的第二数量的标签准确。
在一些实施例中,使用Resnet作为基础骨干网络。对于每个残差块,使用当输入和输出之间的维度不同时,会用1*1的卷积。
在一些实施例中,采用具有全局平均池化预测网络的分离卷积网络(SPPN)对第二数量的特征图分别执行卷积操作。SPPN结合全局语义信息隐式编码目标图像中各个字符的字符位置,使得顺序排列的获得第二数量的标签的过程,符合分类视角背后的机制,即第i个分类头预测第i个字符输入图像中的词序列,其中分类头应该知道从左边开始的第i个字符。
在一些实施例中,如图6所示,步骤S530、基于所述第二数量的特征图对应的所述第二数量的卷积特征,获得所述按顺序排列的第二数量的标签包括:
步骤S610:将所述第二数量的卷积特征进行融合,获得融合特征;以及
步骤S620:基于所述融合特征,获得预测矩阵,所述预测矩阵包括所述第二数量的行,所述第二数量的行中的每一行的多个元素与所述预设标签集中的多个标签分别对应,并且该多个元素中的每一个元素的值指示该行与该元素所对应的标签是否相应;以及
步骤S630:基于所述预测矩阵,获得所述按顺序排列的第二数量的标签。
将第二数量的卷积特征进行融合后,基于融合特征进行预测,简化处理步骤,进一步减少数据处理量。同时,融合特征进一步结合全局语义,进一步提升按顺序排列的第二数量的标签准确性。
在一些实施例中,将第二数量的卷积特征在通道方向上融合。
在一些实施例中,通过对融合特征执行全局平均池化,获得预测矩阵。
根据本公开的实施例中,预测矩阵中第二数量的行与目标图像中第二数量的区域对应。可以将预测矩阵中的每一行理解为基于目标图像中的对应区域对目标图像进行对应于预设标签集的分类,该的各个元素即在对目标图像进行分类的过程中,获得的该目标图像对应于预设标签集的各个标签的可能性。
在一些实施例中,预测矩阵中的各个元素为各个概率值。
在一些实施例中,如图7所示,步骤S620、基于所述基于所述预测矩阵,获得所述按顺序排列的第二数量的标签包括:
步骤S710:针对所述第二数量的行中的每一行,获得该行的多个元素中的值最大的最大元素;以及
步骤S720:基于所述第二数量的行对应的所述第二数量的最大元素和所述第二数量的行的排列顺序,获得按顺序排列的所述第二数量的标签。
将预测矩阵中每一行对应的值最大的元素的标签作为该行对应的标签,提升预测结果准确性。
在一些实施例中,将第二数量的最大元素对应的标签,确定为第二数量的标签。
在一些实施例中,所述预设标签集还包括与所述预设字符集中的任一字符不对应的第一标签,步骤S230、所述获得所述目标图像的识别结果包括:
将所述按顺序排列的第二数量的标签中的所述第一数量的标签确定为所述按所述顺序排列的所述第一数量的标签,其中,所述按顺序排列的第二数量的标签中的所述第一数量的标签中的任一标签区别于所述第一标签。
通过设置预设标签集还包括与预设字符集中的任一字符不对应的第一标签,使预测过程可以对目标图像中的与任意字符不对应的间隔区域进行预测,提升预测准确性。
例如,针对包含机动车牌“京Z123456”的目标图像进行处理的过程中,获得按顺序排列的第二数量的标签为:[标签1,标签2,标签3,标签4,标签5,标签6,第一标签,第一标签,……第一标签],通过获得第二数量的标签中区别于“第一标签”的标签,获得第一数量的标签,即,标签1、标签2、标签3、标签4、标签5和标签6。
在一些实施例中,基于第一数量,对按顺序排列的第二数量的标签进行筛选,获得按顺序排列的第一数量的标签。例如,将按顺序排列的第二数量的标签中的连续两个相同的标签,确定为一个标签,从而确定按顺序排列的第一数量的标签。
在一些实施例中,获得按顺序排列的第一数量的标签之后,从预设字符集中获得该第一数量的标签所对应的第一数量的字符,并且将该第一数量的字符按照该按顺序排列的第一数量的标签的排列顺序排列,从而获得按该排列顺序排列的第一数量的字符。该按该排列顺序排列的第一数量的字符即为目标图像的识别结果。
根据本公开的另一方面,还提供了一种用于训练图像识别模型的方法,如图8所示,方法800包括:
步骤S810:获得训练图像,所述训练图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;
步骤S820:获得所述训练图像的标注标签,所述标注标签包括按顺序排列的所述第一数量的标签,所述按顺序排列的第一数量的标签与所述第一方向排列的第一数量的字符对应,并且所述第一数量中的每一个标签来自所述预设标签集;
步骤S830:将所述训练图像输入至图像识别模型,以获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的所述第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;
步骤S840:获得预测标签,所述预测标签包括所述按顺序排列的第二数量的标签中的所述第一数量的标签;以及
步骤S850:基于所述标注标签和所述预测标签,调整所述图像识别模型的参数。
在训练图像识别模型进行训练过程中,针对包括的来自预设字符集的第一数量的字符的训练图像,采用预设字符集对应的预设标签集进行标注,使得标注过程简单,标注成本低。通过图像识别模型获得对应于训练图像的沿第一方向排列的第二数量的区域的按顺序排列的第二数量的标签作为预测标签,以训练图像识别模型。使得将训练图像中的字符的识别任务,建模为基于训练图像中的区域的图像特征对目标图像的分类任务,进一步减少数据处理量。
在一些实施例中,训练图像可以是任意包含沿第一方向排列的第一数量的字符,其中,第一方向可以是训练图像的长度方向。
在一些实施例中,训练图像可以是包含训练样本的图像,其中,训练样本包括沿一个方向(可以是物理空间中的任意方向)排列的第一数量的字符的图像。例如,训练样本可以是包含文字的纸,目标图像可以是包括该包含文字的纸的图像。
在一些实施例中,训练样本包括下列各项中的任一项:机动车号牌、门牌、运动员号码布。
在一些实施例中,针对训练样本,获得对应于该训练样本的预设字符集和预设标签集。
例如,训练样本为机动车号牌,则预设字符集包括与多个预设区域的多个简称分别对应的字符,数字和字母。例如,预设字符集包括由京、津、冀、晋、蒙、辽、吉、黑、沪、苏……等31个汉字字符构成的汉字字符集,由0、1、2……9等10个数字字符构成的数字字符集,以及由A、B、C……Z等26个拼音字符构成的拼音字符集。则预设标签集包括分别与31个汉字字符中的每一个汉字字符对应的标签、与10个数字字符中的每一个数字字符对应的标签以及与26个拼音字符中的每一个拼音字符对应的标签。
在一些实施例中,预设字符集还包括空白字符,空白字符指示不对应于任何字符。预设标签集包括与空白字符对应的第一标签。
在一些实施例中,步骤S810、获得训练图像包括:
获得第一图像,所述第一图像包括训练样本,所述训练样本包括所述沿第一方向排列的第一数量的字符;
获得所述目标对象在所述第一图像中的对应区域;以及
基于所述对应区域获得所述训练图像。
通过针对训练样本,获得训练图像,实现针对训练样本中的字符进行识别,在需要针对特定类型的训练样本中的字符进行识别的应用场景中,提升图像识别模型的训练效率,提升识别结果的准确性。
在一些实施例中,在获得对应区域之后,将对应区域缩放至预设尺寸,以获得目标图像。
在一些实施例中,基于所述对应区域获得所述训练图像包括:
获取所述对应区域上的多个点;以及
基于所述多个点进行透视变换,以获得所述训练图像,其中,所述训练图像为所述训练样本的正视图。
通过透视变换,改变训练样本的投影平面,使训练图像所在的平面为训练样本的正投影面,即训练图像为训练样本的正视图,在训练过程中,使模型对训练图像上各个区域的注意的分配更加准确,使训练后的模型,预测的结果更加准确。
在根据本公开的一些实施例中,通过标签平滑、以及模型预热等方法代替使用其他图像对模型进行训练,以避免模型过拟合。其中,其他图像是区别于由包含训练样本的第一图像获得的训练图像。例如,训练样本为机动车号牌,其他图像为不含机动车号牌的图像。
在一些实施例中,通过获得与训练图像中的沿第一方向排列的第一数量的字符分别对应的第一数量的标签,并将该第一数量的标签按照第一数量的字符在第一方向上的排列顺序进行排列,从而获得训练图像的标注标签,
在一些实施例中,所述图像识别模型包括特征提取网络和预测网络,如图9所示,步骤S830、所述将所述训练图像输入至图像识别模型包括:
步骤S910:将所述训练图像输入至所述特征提取网络,以获得对应于所述第二数量的通道的第二数量的特征图;以及
步骤S920:将所述第二数量的特征图输入至所述预测网络,以获得所述按顺序排列的第二数量的标签。
通过将图像识别模型设置为包括特征提取网络和预测网络,简化模型的管线(pipeline)结构。
在相关技术中,基于序列到序列(seq to seq-based)的图像识别模型,通过将图像编码为特征序列,然后对特征序列进行解码以识别图像中的文字,使得模型的管线结构复杂、实现效率低。根据本公开的实施例中,所使用的图像识别模型将图像中的文字识别任务建模为图像分类任务,使得管线结构更加简单,并且训练过程高效。
在一些实施例中,特征提取网络包括分类透视网络(CPNet)。分类透视网络提高了网络关注重要特征的能力,还能够抑制对不必要的特征的关注,同时有更大的有效感受野,使得基于所提取的特征进行分类后,获得的按顺序排列的第二数量的标签准确。
在一些实施例中,特征提取网络使用Resnet作为基础骨干网络。对于每个残差块,使用当输入和输出之间的维度不同时,会用1*1的卷积。
在一些实施例中,预测网络采用具有全局平均池化预测网络的分离卷积网络(SPPN)。SPPN结合全局语义信息隐式编码目标图像中各个字符的字符位置,使得顺序排列的获得第二数量的标签的过程,符合分类视角背后的机制,即第i个分类头预测第i个字符输入图像中的词序列,其中分类头应该知道从左边开始的第i个字符。同时,SPPN可以减轻反向传播计算负担。
在一些实施例中,如图10所示,步骤S920、将所述第二数量的特征图输入至所述预测网络包括:
步骤S1010:对所述第二数量的特征图分别执行卷积操作,以获得所述第二数量的特征图中的每一个特征图对应的卷积特征;以及
步骤S1020:基于所述第二数量的特征图对应的第二数量的卷积特征,获得所述按顺序排列的第二数量的标签。
通过对第二数量的特征图进行分离卷积,通过对多个通道上的多个特征图分别进行卷积操作之后,基于卷积操作之后的第二数量的卷积特征获得按顺序排列的第二数量的标签,大大减少了减少数据处理量。
在一些实施例中,如图11所示,步骤S1020、基于所述第二数量的特征图对应的第二数量的卷积特征,获得所述按顺序排列的第二数量的标签包括:
步骤S1110:将所述第二数量的卷积特征进行融合,获得融合特征;以及
步骤S1120:基于所述融合特征,获得预测矩阵,所述预测矩阵包括所述第二数量的行,所述第二数量的行中的每一行的多个元素与所述预设标签集中的多个标签分别对应,并且该多个元素中的每一个元素的值指示该行与该元素所对应的标签是否相应;以及
步骤S1130:基于所述预测矩阵,获得所述按顺序排列的第二数量的标签。
将第二数量的卷积特征进行融合后,基于融合特征进行预测,简化处理步骤,进一步减少数据处理量。同时,融合特征进一步结合全局语义,进一步提升按顺序排列的第二数量的标签准确性。
在一些实施例中,将第二数量的卷积特征在通道方向上融合。
在一些实施例中,通过对融合特征执行全局平均池化,获得预测矩阵。
根据本公开的实施例中,预测矩阵中第二数量的行与训练图像中第二数量的区域对应。可以将预测矩阵中的每一行理解为基于训练图像中的对应区域对训练图像进行对应于预设标签集的分类,该的各个元素即在对训练图像进行分类的过程中,获得的该训练图像对应于预设标签集的各个标签的可能性。
在一些实施例中,预测矩阵中的各个元素为各个概率值。
在一些实施例中,如图12所示,步骤S1130、所述基于所述预测矩阵,获得按顺序排列的第二数量的标签包括:
步骤S1210:针对所述第二数量的行中的每一行,获得该行的多个元素中的值最大的最大元素;以及
步骤S1220:基于所述第二数量的行对应的所述第二数量的最大元素和所述第二数量的行的排列顺序,获得按顺序排列的所述第二数量的标签。
将预测矩阵中每一行对应的值最大的元素的标签作为该行对应的标签,提升模型训练效率。
在一些实施例中,在一些实施例中,将第二数量的最大元素对应的标签,确定为第二数量的标签。
在一些实施例中,所述预设标签集还包括与所述预设字符集中的任一字符不对应的第一标签,所述获得所述训练图像的预测标签包括:
将所述按顺序排列的第二数量的标签中的所述第一数量的标签确定为所述按所述顺序排列的所述第一数量的标签,其中,所述按顺序排列的第二数量的标签中的所述第一数量的标签中的任一标签区别于所述第一标签。
通过设置预设标签集还包括与预设字符集中的任一字符不对应的第一标签,使对于训练图像中的与任意字符不对应的间隔区域,经模型也输出相应的标签,从而使经训练的模型能够对包含不对应任何字符或者未经标注的字符的区域的图像进行预测,提升经训练的模型的适用范围和预测准确性。
在一些实施例中,在获得预测标签之后,基于预测标签和标注标签计算损失,基于损失调整图像识别模型的参数。
根据本公开的另一方面,还提供了一种图像识别装置,如图13所示,装置1300包括:图像获取单元1310,被配置用于获得目标图像,所述目标图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;预测单元1320,被配置用于基于所述目标图像,获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;以及标签获取单元1330,被配置用于基于所述按顺序排列的第二数量的标签,获得所述目标图像的识别结果,所述识别结果包括与所述按顺序排列的第二数量的标签中的所述第一数量的标签相应的按顺序排列的所述第一数量的字符。
在一些实施例中,所述图像获取单元1310包括:第一获取子单元,被配置用于获得第一图像,所述第一图像包括目标对象,所述目标对象包括所述沿第一方向排列的第一数量的字符;区域获取单元,被配置用于获得所述目标对象在所述第一图像中的对应区域;以及第二获取子单元,被配置用于基于所述对应区域获得所述目标图像。
在一些实施例中,所述第二获取子单元包括:第三获取子单元,被配置用于获取所述对应区域上的多个点;以及透视变换单元,被配置用于基于所述多个点进行透视变换,以获得所述目标图像,其中,所述目标图像为所述目标对象的正视图。
在一些实施例中,所述预测单元包括:特征提取单元,被配置用于对所述目标图像执行对应于所述第二数量的通道的特征提取,以获得所述第二数量的特征图;卷积单元,被配置用于对所述第二数量的特征图分别执行卷积操作,以获得所述第二数量的特征图中的每一个特征图对应的卷积特征;以及预测子单元,被配置用于基于所述第二数量的特征图对应的第二数量的卷积特征,获得所述按顺序排列的第二数量的标签。
在一些实施例中,所述预测子单元包括:特征融合单元,被配置用于将所述第二数量的卷积特征进行融合,获得融合特征;预测子单元,被配置用于基于所述融合特征,获得预测矩阵,所述预测矩阵包括所述第二数量的行,所述第二数量的行中的每一行的多个元素与所述预设标签集中的多个标签分别对应,并且该多个元素中的每一个元素的值指示该行与该元素所对应的标签是否相应;以及第四获取子单元,被配置用于基于所述预测矩阵,获得所述按顺序排列的第二数量的标签。
在一些实施例中,所述第四获取子单元包括:第一确定单元,被配置用于针对所述第二数量的行中的每一行,获得该行的多个元素中的值最大的最大元素;以及标签获取子单元,被配置用于基于所述第二数量的行对应的所述第二数量的最大元素和所述第二数量的行的排列顺序,获得按顺序排列的所述第二数量的标签。
在一些实施例中,所述预设标签集还包括与所述预设字符集中的任一字符不对应的第一标签,所述标签获取子单元包括:第二确定单元,被配置用于将所述按顺序排列的第二数量的标签中的所述第一数量的标签确定为所述按所述顺序排列的所述第一数量的标签,其中,所述按顺序排列的第二数量的标签中的所述第一数量的标签中的任一标签区别于所述第一标签。
在一些实施例中,所述目标对象包括下列各项中的任一项:机动车号牌、门牌和运动员号码布。
根据本公开的另一方面,还提供一种用于训练图像识别模型的装置,如图14所示,装置1400包括:训练图像获取单元1410,被配置用于获得训练图像,所述训练图像包括沿第一方向排列的第一数量的字符,所述第一数量的字符中的每一个字符来自具有相应的预设标签集的预设字符集;标注单元1420,被配置用于获得所述训练图像的标注标签,所述标注标签包括按顺序排列的所述第一数量的标签,所述按顺序排列的第一数量的标签与所述第一方向排列的第一数量的字符对应,并且所述第一数量中的每一个标签来自所述预设标签集;训练图像输入单元1430,被配置用于将所述训练图像输入至图像识别模型,以获得按顺序排列的第二数量的标签,所述第二数量的标签中的每一个标签来自所述预设标签集,所述按顺序排列的所述第二数量的标签与所述目标图像中沿所述第一方向排列的所述第二数量的区域对应;预测标签获取单元1440,被配置用于获得预测标签,所述预测标签包括所述按顺序排列的第二数量的标签中的所述第一数量的标签;以及参数调整单元1450,被配置用于基于所述标注标签和所述预测标签,调整所述图像识别模型的参数。
在一些实施例中,所述图像识别模型包括特征提取网络和预测网络,所述训练图像输入单元包括:第一输入子单元,被配置用于将所述训练图像输入至所述特征提取网络,以获得对应于所述第二数量的通道的第二数量的特征图;以及第二输入子单元,被配置用于将所述对所述第二数量的特征图输入至所述预测网络,以获得所述按顺序排列的第二数量的标签。
在一些实施例中,所述特征提取网络包括分类透视网络。
在一些实施例中,所述第二输入子单元包括:卷积单元,被配置用于对所述第二数量的特征图分别执行卷积操作,以获得所述第二数量的特征图中的每一个特征图对应的卷积特征;以及第一预测子单元,被配置用于基于所述第二数量的特征图对应的第二数量的卷积特征,获得获得所述按顺序排列的第二数量的标签。
在一些实施例中,所述第一预测子单元包括:融合单元,被配置用于将所述第二数量的卷积特征进行融合,获得融合特征;以及第二预测子单元,被配置用于基于所述融合特征,获得预测矩阵,所述预测矩阵包括所述第二数量的行,所述第二数量的行中的每一行的多个元素与所述预设标签集中的多个标签分别对应,并且该多个元素中的每一个元素的值指示该行与该元素所对应的标签是否相应;以及第三预测子单元,被配置用于基于所述预测矩阵,获得所述按顺序排列的第二数量的标签。
在一些实施例中,所述第三预测子单元包括:确定子单元,被配置用于针对所述第二数量的行中的每一行,获得该行的多个元素中的值最大的最大元素;以及预测标签获取子单元,被配置用于基于所述第二数量的行对应的所述第二数量的最大元素和所述第二数量的行的排列顺序,获得按顺序排列的所述第二数量的标签。
在一些实施例中,所述训练图像获取单元包括:第一图像获取单元,被配置用于获得第一图像,所述第一图像包括训练样本,所述训练样本包括所述沿第一方向排列的第一数量的字符;图像区域获取单元,被配置用于获得所述目标对象在所述第一图像中的对应区域;以及训练图像获取子单元,被配置用于基于所述对应区域获得所述训练图像。
在一些实施例中,所述训练图像获取子单元包括:点确定单元,被配置用于获取所述对应区域上的多个点;以及透视变换单元,被配置用于基于所述多个点进行透视变换,以获得所述训练图像,其中,所述训练图像为所述训练样本的正视图。
在一些实施例中,所述训练样本包括下列各项中的任一项:机动车号牌、门牌和运动员号码布。
根据本公开的另一方面,还提供了一种电子设备,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根据本公开所述的方法。
根据本公开的另一方面,还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,其中,所述计算机指令用于使所述计算机执行根据本公开所述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开所述的方法。
参考图15,现将描述可以作为本公开的服务器或客户端的电子设备1500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图15所示,电子设备1500包括计算单元1501,其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序,来执行各种适当的动作和处理。在RAM 1503中,还可存储电子设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
电子设备1500中的多个部件连接至I/O接口1505,包括:输入单元1506、输出单元1507、存储单元1508以及通信单元1509。输入单元1506可以是能向电子设备1500输入信息的任何类型的设备,输入单元1506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1507可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元1508可以包括但不限于磁盘、光盘。通信单元1509允许电子设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到电子设备1500上。当计算机程序加载到RAM 1503并由计算单元1501执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
- 图像识别方法和用于训练图像识别模型的方法
- 用于图像识别的模型训练方法、图像识别方法和装置