【技术实现步骤摘要】
基于共享卷积神经网络的目标识别方法和装置
本专利技术属于计算机视觉、人工智能
，涉及目标识别方法和装置，具体涉及一种基于共享卷积神经网络的目标识别方法和装置。
技术介绍
目标识别是计算机视觉领域的一个重要研究方向，在实际应用中有着重要的现实意义。例如，在智能交通系统中，目标识别可以帮助确认目标车辆(例如查找肇事车辆)，极大减少人工筛查；在城市电子监控系统中，目标识别可以在大量监控视频中快速查找目标人物(例如犯罪嫌疑人等)，进而开展进一步工作；此外，目标识别还有许多他方面的灵活运用。通常情况下，目标识别需要针对一个含有目标对象的图像或视频进行，该图像或视频帧除了含有目标对象，还含有其他非目标的同类对象(例如，交通监控视频中除了目标车辆通常还含有较多无关的车辆)。由此，目标识别的流程主要为：使用对象检测技术确定图像或视频帧中的全部同类对象作为待判定对象，然后通过分析对象的特征来从中找出目标对象。对象检测包括两个关键子任务：对象定位和对象分类。对象定位用于确定图像中各个对象的位置和范围，通常的输出结果为对象的包围盒；而对象分类则需要确定所定位的对象是否是待判定对象...
【技术保护点】
1.一种基于共享卷积网络的目标识别方法，用于从待测图像中识别出在不同属性类别下具有预定属性的目标对象，其特征在于，包含如下步骤：步骤S1，对待测图像进行预处理得到预处理图像；步骤S2，将所述预处理图像输入多属性识别共享卷积网络模型，获得所述预处理图像中的各个待判定对象以及各个所述待判定对象在所述属性类别下的对象属性；步骤S3，根据所述对象属性以及所述预定属性进行判断，将所述对象属性与所述预定属性相符合的所述待判定对象判定为所述目标对象，其中，所述多属性识别共享卷积网络模型由用于从所述预处理图像中检测所述待判定对象的对象检测部以及用于提取所述待判定对象的所述对象属性的对象属性...
【技术特征摘要】
1.一种基于共享卷积网络的目标识别方法，用于从待测图像中识别出在不同属性类别下具有预定属性的目标对象，其特征在于，包含如下步骤：步骤S1，对待测图像进行预处理得到预处理图像；步骤S2，将所述预处理图像输入多属性识别共享卷积网络模型，获得所述预处理图像中的各个待判定对象以及各个所述待判定对象在所述属性类别下的对象属性；步骤S3，根据所述对象属性以及所述预定属性进行判断，将所述对象属性与所述预定属性相符合的所述待判定对象判定为所述目标对象，其中，所述多属性识别共享卷积网络模型由用于从所述预处理图像中检测所述待判定对象的对象检测部以及用于提取所述待判定对象的所述对象属性的对象属性提取部构成，所述多属性识别共享卷积网络模型的获得过程包括如下步骤：步骤T1，搭建能够用于至少检测得出所述对象在所述待测图像中的位置的对象检测网络模型；步骤T2，将包含多张训练图像的训练集输入搭建好的对象检测网络模型进行模型训练，得到训练好的所述对象检测网络模型作为所述对象检测部；步骤T3，搭建含有分别与各个所述属性类别相对应的全连接层的属性获取网络模型；步骤T4，将包含多张训练图像及其对应的所述属性类别下的对象属性的属性训练集输入所述属性获取网络模型，以轮流交替训练的方式进行模型训练，得到训练好的所述属性获取网络模型作为所述对象属性提取部。2.根据权利要求1所述的基于共享卷积网络的目标识别方法，其特征在于：其中，所述轮流交替训练方式为：依次针对不同的所述属性类别进行训练从而对所有的所述属性类别完成训练，当针对一个所述属性类别进行训练时，该属性类别对应的所述全连接层以外的所述全连接层参数均被固定。3.根据权利要求1所述的基于共享卷积网络的目标识别方法，其特征在于：其中，步骤S2包括如下步骤：步骤S2-1，将各个所述待测图像对应的所述预处理图像批量输入对象检测部，获得包含各个所述待判定对象的位置在内的对象检测结果；步骤S2-2，根据所述待判定对象的所述位置从所述预处理图像中获取各个所述待判定对象的图像部分；步骤S2-3，将所述待判定对象的所述图像部分经输入层输入所述对象属性提取部，根据不同的所述全连接层获得所述待...
【专利技术属性】
技术研发人员：吕礼，冯瑞，蒋龙泉，
申请(专利权)人：复钧智能科技苏州有限公司，
类型：发明
国别省市：江苏,32
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。