買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京達(dá)佳互聯(lián)信息技術(shù)有限公司申請的專利圖像識別方法、裝置及設(shè)備獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114463612B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111659047.5，技術(shù)領(lǐng)域涉及：G06V20/00；該發(fā)明授權(quán)圖像識別方法、裝置及設(shè)備是由熊晏民設(shè)計研發(fā)完成，并于2021-12-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本圖像識別方法、裝置及設(shè)備在說明書摘要公布了：本公開關(guān)于一種圖像識別方法、裝置及設(shè)備，涉及圖像識別技術(shù)領(lǐng)域。該方法包括：獲取待識別圖像；識別待識別圖像對應(yīng)的場景類別；檢測待識別圖像中包含的面部區(qū)域，識別面部區(qū)域?qū)?yīng)的面部屬性信息；對待識別圖像進(jìn)行對象檢測，得到待識別圖像中的對象區(qū)域；若對象區(qū)域中存在目標(biāo)對象的身體區(qū)域，且身體區(qū)域與面部區(qū)域?qū)?yīng)于同一目標(biāo)對象，則將面部屬性信息與目標(biāo)對象關(guān)聯(lián)標(biāo)記，得到目標(biāo)對象信息；若對象區(qū)域中存在非目標(biāo)對象區(qū)域，則識別非目標(biāo)對象區(qū)域?qū)?yīng)的對象類別，得到非目標(biāo)對象類別信息；輸出場景類別信息、目標(biāo)對象信息和非目標(biāo)對象類別信息。本公開在獲取待識別圖像后，可以同時獲取該待識別圖像對應(yīng)的多種屬性信息，通用性較好。

本發(fā)明授權(quán)圖像識別方法、裝置及設(shè)備在權(quán)利要求書中公布了：1.一種圖像識別方法，其特征在于，應(yīng)用于移動終端，所述方法包括： 獲取待識別圖像； 識別所述待識別圖像對應(yīng)的場景類別，得到場景類別信息； 檢測所述待識別圖像中包含的面部區(qū)域，識別所述面部區(qū)域?qū)?yīng)的面部屬性信息； 對所述待識別圖像進(jìn)行對象檢測，得到所述待識別圖像中的對象區(qū)域； 若所述對象區(qū)域中存在目標(biāo)對象的身體區(qū)域，且所述身體區(qū)域與所述面部區(qū)域?qū)?yīng)于同一目標(biāo)對象，則將所述面部屬性信息與所述目標(biāo)對象關(guān)聯(lián)標(biāo)記，得到目標(biāo)對象信息；若所述對象區(qū)域中存在非目標(biāo)對象區(qū)域，則識別所述非目標(biāo)對象區(qū)域?qū)?yīng)的對象類別，得到非目標(biāo)對象類別信息； 輸出所述場景類別信息、所述目標(biāo)對象信息和所述非目標(biāo)對象類別信息； 不同識別處理使用的目標(biāo)識別模型的訓(xùn)練步驟包括：獲取與所述目標(biāo)識別模型對應(yīng)的訓(xùn)練樣本圖像和訓(xùn)練樣本圖像對應(yīng)的監(jiān)督向量；以目標(biāo)識別模型作為學(xué)生模型，將所述訓(xùn)練樣本圖像分別輸入使用訓(xùn)練樣本圖像預(yù)先訓(xùn)練的多個老師模型和所述目標(biāo)識別模型，得到多個老師模型分別輸出的分類預(yù)測向量和所述目標(biāo)識別模型輸出的分類預(yù)測向量；確定所述監(jiān)督向量與所述多個老師模型分別輸出的分類預(yù)測向量對應(yīng)的均值向量；確定所述均值向量與所述目標(biāo)識別模型輸出的分類預(yù)測向量之間的第一KL散度損失；將所述均值向量和所述目標(biāo)識別模型輸出的分類預(yù)測向量輸入判別器模型，以確定所述判別器模型對應(yīng)的判別損失；根據(jù)所述第一KL散度損失與所述判別損失，調(diào)整所述目標(biāo)識別模型的參數(shù)； 對所述訓(xùn)練樣本圖像進(jìn)行不同的數(shù)據(jù)增強(qiáng)處理，得到第一訓(xùn)練樣本圖像和第二訓(xùn)練樣本圖像；根據(jù)第一訓(xùn)練樣本圖像輸入所述目標(biāo)識別模型后得到的第一分類預(yù)測結(jié)果和第一訓(xùn)練樣本圖像對應(yīng)的監(jiān)督信息，確定第一交叉熵?fù)p失；根據(jù)第二訓(xùn)練樣本圖像輸入所述目標(biāo)識別模型后得到的第二分類預(yù)測結(jié)果和第二訓(xùn)練樣本圖像對應(yīng)的監(jiān)督信息，確定第二交叉熵?fù)p失；確定第一訓(xùn)練樣本圖像與第二訓(xùn)練樣本圖像分別輸入到所述目標(biāo)識別模型后，各同級卷積層之間的特征相似度損失；確定第一分類預(yù)測結(jié)果作為老師模型的輸出結(jié)果，第二分類預(yù)測結(jié)果作為學(xué)生模型的輸出結(jié)果時的第二KL散度損失，并確定第一分類預(yù)測結(jié)果作為學(xué)生模型的輸出結(jié)果，第二分類預(yù)測結(jié)果作為老師模型的輸出結(jié)果時的第三KL散度損失；根據(jù)第一交叉熵?fù)p失、第二交叉熵?fù)p失、特征相似度損失、第二KL散度損失和第三KL散度損失，調(diào)整所述目標(biāo)識別模型的參數(shù)，得到最終的目標(biāo)識別模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京達(dá)佳互聯(lián)信息技術(shù)有限公司，其通訊地址為：100085 北京市海淀區(qū)上地西路6號1幢1層101D1-7；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。