CN111046855B 图片识别方法、识别模型训练方法、装置及电子装置 （腾讯科技（深圳）有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN111046855B(45)授权公告日2025.07.15

(21)申请号202010043334.2

(22)申请日2020.01.15

(65)同一申请的已公布的文献号申请公布号CN111046855A

(43)申请公布日2020.04.21

(66)本国优先权数据

201910544392.02019.06.21CN

(73)专利权人腾讯科技(深圳)有限公司

地址518000广东省深圳市南山区高新区

科技中一路腾讯大厦35层

(72)发明人庄新瑞朱玖闻李悦翔郑冶枫

(74)专利代理机构北京康信知识产权代理有限责任公司11240

专利代理师周婷婷

(51)Int.CI.

GO6V20/64(2022.01)

GO6V20/58(2022.01)

GO6V10/774(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

(56)对比文件

CN108764241A,2018.11.06

杨军等.基于深度体素卷积神经网络的三维模型识别分类.光学学报.2019,第39卷(第4期),第1-11页.

杨军等.基于深度体素卷积神经网络的三维模型识别分类.光学学报.2019,第39卷(第4期),第1-11页.

审查员杨霜雪

权利要求书4页说明书23页附图10页

(54)发明名称

图片识别方法、识别模型训练方法、装置及

电子装置

(57)摘要

CN111046855B本发明公开了一种图片识别方法、识别模型训练方法、装置及电子装置。其中，该方法包括：获取待识别的目标3D图片；将待识别的目标3D图片输入到第一识别模型中，其中，第一识别模型用于对待识别的目标3D图片进行识别得到待识别的目标3D图片的图片类型，第一识别模型的卷积块与第二识别模型的卷积块相同，第二识别模型为使用目标训练样本对原始识别模型进行训练得到的模型，目标训练样本包括对从3D样本图片中获取的N个目标正方体进行旋转与排序后得到的正方体，N为大于1的自然数；获取第一识别模型输出的待识别的目标3

CN111046855B

问题。

获取待识别的目标3D图片

将待识别的目标3D图片输入到第一识别模型中

获取第一识别模型输出的待识别的目标3D图片的第一类型

S202

S204

S206

CN111046855B权利要求书1/4页

2

1.一种图片识别方法，其特征在于，包括：

从N个目标正方体中确定出第一目标正方体，其中，所述N为大于1的自然数；将所述第一目标正方体旋转第一角度；将所述N个目标正方体中，旋转所述第一角度之后的所述第一目标正方体与其他目标正方体进行排序，得到目标训练样本；

获取待识别的目标3D图片；

将所述待识别的目标3D图片输入到第一识别模型中，其中，所述第一识别模型用于对所述待识别的目标3D图片进行识别得到所述待识别的目标3D图片的图片类型，所述第一识别模型的卷积块与第二识别模型的卷积块相同，所述第二识别模型为使用目标训练样本对原始识别模型进行训练得到的模型；

获取所述第一识别模型输出的所述待识别的目标3D图片的第一类型。

2.根据权利要求1所述的方法，其特征在于，在所述获取待识别的目标3D图片之前，还包括：

获取3D样本图片；

从所述3D样本图片中确定出原始正方体；

将所述原始正方体拆分为所述N个目标正方体。

3.根据权利要求2所述的方法，其特征在于，所述N为大于1的正整数的3次方，所述将所述原始正方体拆分为所述N个目标正方体包括：保持相邻的两个所述目标正方体之间间隔M个体素，从所述原始正方体中拆分出所述N个目标正方体，所述M为大于0且小于J-1的正整数，所述J为所述目标正方体的边长。

4.根据权利要求1所述的方法，其特征在于，在所述将所述N个目标正方体中，旋转所述第一角度之后的所述第一目标正方体与其他目标正方体进行排序，得到所述目标训练样本之后，还包括：

将所述目标训练样本输入到所述原始识别模型中，以对所述原始识别模型进行训练，得到所述第二识别模型。

5.根据权利要求1所述的方法，其特征在于，所述获取待识别的目标3D图片之前，还包

括：

获取所述原始识别模型对所述目标训练样本进行识别后输出的识别结果，其中