(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210182070.8 (22)申请日 2022.02.25 (71)申请人 北京爱奇艺科技有限公司 地址 100080 北京市海淀区海淀北一 街2号 鸿城拓展大厦1 1层1101 (72)发明人 李冠楠　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 吕俊秀 (51)Int.Cl. G06F 16/583(2019.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/42(2022.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种图像识别方法、 装置、 电子设备及可读 存储介质 (57)摘要 本发明实施例提供了一种图像识别方法、 装 置、 电子设备及可读存储介质， 该方法包括： 获取 待识别图像； 将待识别图像输入至预先训练的 图 像识别模型， 输出待识别图像的全局特征和第一 局部特征； 图像识别模型根据多个样本图像的样 本全局特征、 样本局部特征和对象类别标签训练 得到； 对象类别标签用于描述样 本图像中的对象 所属的类别； 利用图像识别模型提取候选图像的 第二局部 特征， 候选图像为根据全局特征从预设 图像库中筛选得到； 将与第一局部特征符合空间 一致性的第二局部特征对应的候选图像确定为 待识别图像的相似图像。 根据本发明的实施例， 能够快速准确地确定待识别图像的相似图像 。 权利要求书2页 说明书13页 附图4页 CN 114595352 A 2022.06.07 CN 114595352 A 1.一种图像识别方法， 其特 征在于， 所述方法包括： 获取待识别图像； 将所述待识别图像输入至预先训练 的图像识别模型， 输出所述待识别图像的全局特征 和第一局部特征； 所述图像识别模型根据多个样本图像的样本全局特征、 样本局部特征和 对象类别标签训练得到； 所述对象类别标签用于描述所述样本图像中的对象所属的类别； 利用所述图像识别模型提取候选图像的第 二局部特征， 所述候选图像为根据 所述全局 特征从预设图像库中筛 选得到； 将与所述第一局部特征符合空间一致性的第二局部特征对应的候选图像确定为所述 待识别图像的相似图像。 2.根据权利要求1所述的方法， 所述将与所述第一局部特征符合空间一致性的第二局 部特征对应的候选图像确定为所述待识别图像的相似图像， 包括： 比较所述第一局部特 征和所述第二局部特 征， 确定特 征相似度； 根据所述特征相似度分别从所述第 一局部特征中提取第 一相似特征， 从所述第 二局部 特征中提取第二相似特征， 所述第一相似特征和所述第二相似特征的特征相似度大于预设 阈值； 验证所述第 一相似特征在所述第 一局部特征中的空间坐标， 和所述第 二相似特征在所 述第二局部特 征中的空间坐标 是否符合空间一 致性； 将符合所述空间一致性的第二相似特征对应的候选 图像确定为所述待识别图像的相 似图像。 3.根据权利要求1所述的方法， 在所述将所述待识别图像输入至预先训练的图像识别 模型， 输出 所述待识别图像的全局特 征和第一局部特 征之前， 所述方法还 包括： 获取多个训练样本， 所述训练样本包括样本图像和与 所述样本图像相对应的所述对象 类别标签； 将所述样本图像输入至预设神经网络， 输出 所述样本图像的图像特 征和类别特 征； 根据所述图像特 征、 所述类别特 征和所述对象类别标签， 确定多个损失值； 根据所述多个损 失值对所述预设神经网络进行训练， 直至满足预设训练条件， 得到所 述图像识别模型。 4.根据权利要求3所述的方法， 所述将所述样本图像输入至预设神经网络， 输出所述训 练图像的图像特 征和类别特 征， 包括： 提取所述样本图像的样本全局特 征和样本特 征图像； 提取所述样本特 征图像的样本局部特 征； 对所述样本全局特 征进行分类处 理， 得到全局类别特 征； 对所述样本局部特 征进行分类处 理， 得到局部类别特 征。 5.根据权利要求4所述的方法， 所述对所述样本局部特征进行分类处理， 得到局部类别 特征， 包括： 对所述样本局部特 征进行卷积及激活 处理， 得到局部特 征加权图； 通过所述局部特征加权图对所述样本局部特征进行加权处理， 得到聚合后的样本局部 特征； 对所述聚合后的样本局部特 征进行分类处 理， 得到所述局部类别特 征。权　利　要　求　书 1/2 页 2 CN 114595352 A 26.根据权利要求4所述的方法， 所述提取所述样本图像的样本全局特征和样本特征图 像， 包括： 提取所述样本图像的样本全局特 征和多尺度的子样本特 征图像； 对所述多尺度的子样本特 征图像进行融合， 得到所述样本特 征图像。 7.根据权利要求4所述的方法， 所述根据所述图像特征、 所述类别特征和所述对象类别 标签， 确定多个损失值， 包括： 根据所述全局类别特 征和所述对象类别标签， 确定全局分类损失值； 根据所述局部类别特 征和所述对象类别标签， 确定局部分类损失值； 根据三元样本 图像的样本全局特征， 确定特征相似性损 失值； 所述三元样本 图像包括 属于第一类别的第一图像和第二图像， 以及属于第二类别的第三图像， 所述特征相似性损 失值为第一距离与第二距离之差与预设差值的损失值， 所述第一距离为所述第一图像和所 述第二图像的误差距离， 所述第二距离为所述第一图像和所述第三图像的误差距离； 所述根据所述多个损 失值对所述预设神经网络进行训练， 直至满足预设训练条件， 得 到所述图像识别模型， 包括： 根据所述全局分类损 失值、 所述局部分类损 失值和所述特征相似性损 失值， 对所述预 设神经网络进行训练， 直至满足预设训练条件， 得到所述图像识别模型。 8.一种图像识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待识别图像； 输入模块， 用于将所述待识别图像输入至预先训练的图像识别模型， 输出所述待识别 图像的全局特征和第一局部特征； 所述图像识别模型根据多个样本图像的样本全局特征、 样本局部特征和对象类别标签训练得到； 所述对象类别标签用于描述所述样本图像中的对 象所属的类别； 提取模块， 还用于利用所述图像识别模型提取候选 图像的第二局部特征， 所述候选 图 像为根据所述全局特 征从预设图像库中筛 选得到； 确定模块， 用于将与 所述第一局部特征符合空间一致性的第 二局部特征对应的候选图 像确定为所述待识别图像的相似图像。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑7任一所述的方法步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114595352 A 3