(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 202210164801.6 (22)申请日 2022.02.22 (71)申请人 北京百度网讯科技有限公司 地址 100089 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 朱若琳　杨敏　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 江宇 (51)Int.Cl. G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 1/00(2006.01) G06K 9/62(2022.01) (54)发明名称 一种图像识别方法、 装置、 设备及存 储介质 (57)摘要 本公开提供了一种图像识别方法、 装置、 设 备及存储介质， 涉及图像处理技术领域， 尤其涉 及深度学习技术领域的一种图像识别方法、 装 置、 设备及存储介质。 具体实现方案为： 获取待检 测图像； 根据第一检测模型对待检测图像中的水 印进行定位， 得到水印区域图像； 根据第二检测 模型对水印区域图像进行两级特征提取， 得到水 印区域图像的第一级特征和第二级特征； 根据水 印区域图像的第一级特征和第二级特征， 获得水 印区域图像的检测结果作为待检测图像的识别 结果。 权利要求书2页 说明书11页 附图6页 CN 114596442 A 2022.06.07 CN 114596442 A 1.一种图像识别方法， 包括： 获取待检测图像； 根据第一检测模型对所述待检测图像中的水印进行定位， 得到水印 区域图像； 根据第二检测模型对所述水印区域图像进行两级特征提取， 得到所述水印区域图像的 第一级特 征和第二级特 征； 根据所述水印区域图像的第 一级特征和第 二级特征， 获得所述水印区域图像的检测结 果作为所述待检测图像的识别结果。 2.根据权利要求1所述的方法， 其中， 在所述根据第 一检测模型对所述待检测图像 中的 水印进行定位， 得到水印 区域图像之前， 所述方法还 包括： 获得第一样本数据集， 所述第一样本数据集包括 不同粒度的水印标签； 对所述第一样本数据集内的水印标签进行 标注， 得到训练样本； 根据所述训练样本对深度学习检测网络模型进行训练， 生成所述第一检测模型。 3.根据权利要求2所述的方法， 其中， 所述对第一样本数据集内的水印标签进行标注， 得到训练样本， 包括： 计算所述第 一样本数据集内的水印标签之间的关系距离， 所述关系距离用于表征所述 水印标签之间的特 征相似度； 根据所述水印标签之间的映射关系和关系距离， 建立所述第 一样本数据集的水印标签 图谱， 所述映射关系用于表征 所述水印标签之间的从属关系； 根据所述水印标签图谱， 对所述第一样本数据集内的水印标签进行标注， 得到训练样 本。 4.根据权利要求3所述的方法， 其中， 所述根据所述水印标签图谱， 对所述第一样本数 据集内的水印标签进行 标注， 得到训练样本， 包括： 在所述水印标签图谱内选取部分水印标签， 得到第二样本数据集； 对所述第二样本数据集内的第二粒度标签进行 标注， 得到第一标注结果； 根据所述第 一标注结果和所述水印标签图谱， 对所述水印标签图谱内的所有水印标签 进行映射标注， 得到所述训练样本 。 5.根据权利要求1所述的方法， 其中， 所述根据第 一检测模型对所述待检测图像中的水 印进行定位， 得到水印 区域图像， 包括： 根据第一检测模型对所述待检测图像进行 特征提取， 得到待检测图像的特 征图； 根据所述待检测图像的特征图， 对待检测图像中的水印进行定位， 得到水印区域的坐 标； 根据所述水印 区域的坐标， 裁 剪得到所述水印 区域图像。 6.根据权利要求2－4任一项所述的方法， 其中， 在所述利用第二检测模型对所述水印 区域图像进行两级特征提取， 得到所述水印区域图像的第一级特征和第二级特征之前， 所 述方法还 包括： 在卷积神经网络模型的中间层后嵌入第一卷积模块， 得到初始特征提取分支， 所述第 一卷积模块包括 一个卷积层和一个全连接层； 根据所述训练样本 内的第一粒度标签对所述初始特征提取分支进行训练， 得到第 一特 征提取分支， 所述第一特 征提取分支用于提取第一级特 征；权　利　要　求　书 1/2 页 2 CN 114596442 A 2根据所述训练样本 内的第二粒度标签对所述卷积神经网络模型进行训练， 得到第 二特 征提取分支， 所述第二特 征提取分支用于提取第二级特 征； 根据所述第一特 征提取分支和所述第二特 征提取分支， 生成所述第二检测模型。 7.根据权利要求6所述的方法， 其中， 所述根据第 二检测模型对所述水印区域图像进行 两级特征提取， 得到所述水印 区域图像的粗粒度特 征和细粒度特 征， 包括： 根据所述第一特 征提取分支， 提取 所述水印 区域图像的第一级特 征； 根据所述第二特 征提取分支， 提取 所述水印 区域图像的第二级特 征。 8.根据权利要求1所述的方法， 其中， 所述根据所述水印区域图像的粗粒度特征和细粒 度特征， 获得所述水印 区域图像的检测结果作为所述待检测图像的识别结果， 包括： 根据所述水印区域图像的第 一级特征， 从水印标签底库内检测与所述水印区域图像的 第一级特 征对应的水印标签， 得到第一检测结果； 根据所述水印区域图像的第 二级特征， 从所述第 一检测结果内检测与 所述水印区域图 像的第二级特 征对应的水印标签， 得到第二检测结果； 将所述第二检测结果作为所述待检测图像的识别结果。 9.一种图像识别装置， 包括： 获取模块， 用于获取待检测图像； 定位模块， 用于根据第一检测模型对所述待检测图像中的水印进行定位， 得到水印区 域图像； 特征提取模块， 用于根据第二检测模型对所述水印区域图像进行两级特征提取， 得到 所述水印 区域图像的第一级特 征和第二级特 征； 检测模块， 用于根据所述水印区域图像的第一级特征和第二级特征， 获得所述水印区 域图像的检测结果作为所述待检测图像的识别结果。 10.一种电子设备， 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 行权利要求1－8中任一项所述的方法。 11.一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 行根据权利要求1－8中任一项所述的方法。 12.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现根 据权利要求1－8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114596442 A 3