The embodiment of this application provides a three-dimensional object recognition method and device, which relates to the technical field of object recognition. The three-dimensional object recognition method includes acquiring multiple images of objects to be recognized, extracting and processing features of multiple images through artificial intelligence model, and obtaining multiple two-dimensional view features; combining features of preset multiple registered views according to artificial intelligence model, and obtaining the classification results of combined view features and corresponding features of combined view; and according to artificial intelligence model, combining features of preset multiple registered views. The model classifies multiple two-dimensional view features and combined view features and obtains positive and negative case scores. When the positive and negative case scores are positive, the classification of objects to be recognized is determined based on the classification results. The implementation of this method can improve the accuracy and universality of object recognition by using multiple artificial intelligence models to recognize three-dimensional objects in multiple images.
【技术实现步骤摘要】
一种三维物体识别方法及设备
本申请涉及物体识别
,具体而言,涉及一种三维物体识别方法及设备。
技术介绍
目前,随着物体识别技术的不断发展,人们已经掌握了很多种物体识别的方法,其中就包括采用匹配算法进行物体识别的方法以及采用人工智能算法进行物体识别的方法。然而,在实践中发现,上述的采用匹配算法进行物体识别的方法因为其匹配条件难以完全满足,从而使得其识别精度较低、普适性较低;另外一种采用人工智能算法进行物体识别的方法,通常是通过单一物体图像的特征来确定物体的类别,这就使得在物体多侧的特征存在较大差异时会产生巨大的识别误差,从而降低了物体识别的准确性和普适性。
技术实现思路
本申请实施例的目的在于提供一种三维物体识别方法及设备,能够通过多个人工智能模型对多张图像进行三维的物体识别,从而提高物体识别的准确性和普适性。本申请实施例第一方面提供了一种三维物体识别方法,包括:获取待识别物体的多张图像,并根据预设的卷积网络模型对所述多张图像进行特征提取处理,得到多个二维视图特征;其中,所述待识别物体是三维物体,所述多张图像为所述待识别物体在多个角度下的图像;根据预设的聚合网络模型对预设的多个注册视图特征进行组合处理,得到组合视图特征以及与所述组合视图特征对应的分类结果;根据预设的相似度匹配模型对所述多个二维视图特征和所述组合视图特征进行分类决策处理,得到正负例分数结果;当所述正负例分数结果为正例分数时,以所述分类结果为依据确定所述待识别物体的类别。在上述实现过程中,优先获取待识别物体(三维物体)基于多个角度下的多张图像,并使用卷积网络模型对多张图像进行特征提取得到多个二 ...
【技术保护点】
1.一种三维物体识别方法,其特征在于,包括:获取待识别物体的多张图像,并根据预设的卷积网络模型对所述多张图像进行特征提取处理,得到多个二维视图特征;其中,所述待识别物体是三维物体,所述多张图像为所述待识别物体在多个角度下的图像;根据预设的聚合网络模型对预设的多个注册视图特征进行组合处理,得到组合视图特征以及与所述组合视图特征对应的分类结果;根据预设的相似度匹配模型对所述多个二维视图特征和所述组合视图特征进行分类决策处理,得到正负例分数结果;当所述正负例分数结果为正例分数时,以所述分类结果为依据确定所述待识别物体的类别。
【技术特征摘要】
1.一种三维物体识别方法,其特征在于,包括:获取待识别物体的多张图像,并根据预设的卷积网络模型对所述多张图像进行特征提取处理,得到多个二维视图特征;其中,所述待识别物体是三维物体,所述多张图像为所述待识别物体在多个角度下的图像;根据预设的聚合网络模型对预设的多个注册视图特征进行组合处理,得到组合视图特征以及与所述组合视图特征对应的分类结果;根据预设的相似度匹配模型对所述多个二维视图特征和所述组合视图特征进行分类决策处理,得到正负例分数结果;当所述正负例分数结果为正例分数时,以所述分类结果为依据确定所述待识别物体的类别。2.根据权利要求1所述的三维物体识别方法,其特征在于,所述卷积网络模型包括卷积层和池化层;所述根据预设的卷积网络模型对所述多张图像进行特征提取处理,得到多个二维视图特征的步骤包括:根据所述卷积层和所述池化层对所述多张图像进行特征提取,得到多个二维视图特征;其中,所述卷积层的激活函数为线性整流函数。3.根据权利要求2所述的三维物体识别方法,其特征在于,所述卷积网络模型在训练过程中还包括卷积分类层,其中,所述卷积分类层用于对所述多个二维视图特征进行打分得到与所述多个二维视图特征中每个二维视图特征对应的预测分数,并根据预设的损失函数对所述每个二维视图特征对应的预测分数进行优化,得到与所述多个二维视图特征中每个二维视图特征对应的类别分数;所述类别分数用于判断卷积网络模型的性能。4.根据权利要求3所述的三维物体识别方法,其特征在于,所述预测分数包括第一子分数以及小于所述第一子分数的第二子分数,所述损失函数为:其中,Ltotal为所述损失函数;为所述第二子分数,s为所述第一子分数;为所述第二子分数与所述第一子分数之间的交叉熵损失函数;为矫正损失函数;λ为正则化参数;μ||w||2为正则项。5.根据权利要求4所述的三维物体识别方法,其特征在于,所述矫正损失函数为:其中,k(i)表示第i个样本是否成功预测,成功为1,不成功为0;表示第i个样本的第二子分数;表示第i个样本的第一子分数;ξ为10-2,m为样本数量。6.根据权利要求4所述的三维物体识别方法,其特征在于...
【专利技术属性】
技术研发人员:董帅,李文生,邹昆,
申请(专利权)人:电子科技大学中山学院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。