一种图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统技术方案

本发明专利技术涉及图像识别领域，特别涉及图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统，包括步骤S1、提供待测图像；S2、利用检测分类模型将待测图像中的待识别目标进行检测以获得与待识别目标对应的掩膜图像；S3、将步骤S1中的待测图像和步骤S2中的掩膜图像进行合并以获得多通道图像；及S4、将多通道图像输入训练好的分类网络进行检测以对待识别目标进行分类，掩膜图像将待识别的目标与背景进行区分，以提高检测分类模型对待识别目标的识别效率，同时，由于多通道图像相对于待测图像代表了待识别目标更全面的信息，将其输入训练好的分类网络进行检测以对所述待识别目标进行分类，能很好的提高检测的准确率且能获得更细致的分类结果。

【技术实现步骤摘要】
一种图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统
本专利技术涉及图像识别领域，特别涉及一种图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统。
技术介绍
现有常用的检测识别方法主要使用深度学习技术，可以粗略分为一阶段和二阶段方法，包括SSD、yolo、以及faster－rcnn系列，这些方法都将检测识别分为预测目标分类以及外接框两个任务，mask－rcnn是最新最优异的检测识别方法，其在检测中加入了一个额外预测目标mask的任务，能让网络获得更好的检测识别效果，但mask－rcnn以及其他的检测模型在实际应用中，往往需要对图像进行缩放处理，当在目标尺寸敏感的时表现不好，因为其不能有效区分目标边界以及没有保持目标的长宽比例。因此，急需提出一种图像分类检测识别方法以提高目标识别准确率。
技术实现思路
为克服目前的检测识别方法在目标尺寸敏感时检测识别准确率低的缺陷，本专利技术提供一种图像检测识别方法及系统、电子设备、图像分类网络优化方法及系统为了解决上述技术问题提供一种图像检测识别方法，包括如下步骤：S1、提供具有至少一个待识别目标的待测图像；S2、利用检测分类模型将所述待测图像中的待识别目标进行检测以获得与所述待识别目标对应的掩膜图像；S3、将所述步骤S1中的待测图像和所述步骤S2中的掩膜图像进行合并以获得多通道图像；及S4、将所述多通道图像输入训练好的分类网络进行检测以对所述待识别目标进行分类。优选地，所述步骤S2具体包括如下步骤：步骤S21、定位与每个待识别目标对应的矩形框；步骤S22、根据所述矩形框获得与所述待识别目标对应的掩膜图像。优选地，所述步骤S2还包括在所述步骤S21和所述步骤S22之间执行的如下步骤：步骤S21A、获得与每个矩形框对应的置信度；步骤S21B、根据置信度与预设阈值之间的大小关系，判定所述矩形框是否合格；若是，则对应执行步骤S22；若否，则重新返回步骤S21。优选地，若判定所述矩形框为合格，则在所述上述步骤S21B及步骤S22之间还包括步骤S21C，将所述矩形框按照预设的缩放比例进行缩放以获得与每个待识别目标对应的多个尺寸不相同的矩形框。优选地，在所述步骤S22中，将所述矩形框内的像素值设置为255，将所述矩形框以外的区域的像素值设置为0以获得二值图像，所述二值图像为所述掩膜图像。优选地，在所述步骤S3中，基于所述掩膜图像的通道数、宽度以及高度和所述待测图像的通道数、宽度以及高度做合并以获得所述多通道图像，所述待测图像的通道数对应为n，合并后的多通道图像的通道数对应为n+1。为了解决上述技术问题，本专利技术还提供一种图像分类网络优化方法，包括如下步骤：T1、提供具有至少一个待识别目标的待测图像；T2、利用检测分类模型将所述待测图像中的待识别目标进行检测以获得与所述待识别目标对应的掩膜图像；T3、将所述步骤S1中的待测图像和所述步骤S2中的掩膜图像进行合并以获得多通道图像；及T4、将所述多通道图像作为训练集输入训练好的分类网络进行训练以获得优化后的分类网络。为了解决上述技术问题，本专利技术还提供一种图像检测识别系统，包括：图像获取单元，用于获取具有至少一个待识别目标的待测图像；检测单元，用于将所述待测图像中的待识别目标进行检测以获得与每个待识别目标对应的掩膜图像；合并单元，用于将所述待测图像和所述掩膜图像进行合并以获得多通道图像；分类单元，用于将所述多通道图像输入训练好的分类网络进行检测以对所述待识别目标进行分类。为了解决上述技术问题，本专利技术还提供一种图像分类网络优化系统，其特征在于，包括：图像获取单元，用于获取具有至少一个待识别目标的待测图像；检测单元，用于将所述待测图像中的待识别目标进行检测以获得与每个待识别目标对应的掩膜图像；合并单元，用于将所述待测图像和所述掩膜图像进行合并以获得多通道图像；训练单元，用于将所述多通道图像输入训练好的分类网络进行训练以获得优化后的分类网络。本专利技术为了解决上述技术问题，还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被设置为运行时执行如上所述的图像检测识别方法；所述处理器被设置为通过所述计算机程序执行如上所述的图像检测识别方法。相对于现有技术，在对待测图片的检测开始时，利用检测分类模型预测获取掩膜图像，掩膜图像将待识别的目标与背景进行区分，以提高检测分类模型对待识别目标的识别效率，同时进一步将掩膜图像与待测图像进行合并以获得多通道图像，由于多通道图像相对于待测图像代表了待识别目标更全面的信息，将其输入训练好的分类网络进行检测以对所述待识别目标进行分类，能很好的提高检测的准确率且能获得更细致的分类结果。根据置信度与预设的阈值之间的大小关系判定所述矩形框是否合格，以在获得多通道图像的初期进行管控，进一步提高对待测图片检测分类的准确性。当所述定位框合格时，按照预设的缩放比例对矩形框进行缩放以获得与每个待识别目标对应的多个尺寸不同的矩形框，因此，获得的多个多通道图像，提高了分类的准备性，同时丰富训练分类网络的数据集，进一步提高训练后的分类网络的性能。还利用多通道图像作为训练集对训练好的分类网络进行训练优化获得优化后的分类网络，提升分类网络的模型性能，以在后续的图片检测识别过程中获得更加准确的检测分类结果本专利技术提供的图像分类网络优化方法、电子设备具有和所述图像检测识别方法相同的有益效果。【附图说明】图1是本专利技术第一实施例图像检测识别方法的流程示意图；图2是本专利技术第一实施例图像检测识别方法的步骤S2的细节流程示意图；图2a是本专利技术第一实施例图像检测识别方法中在步骤S21中定位与待识别目标对应的矩形框的示意图；图3是本专利技术第一实施例图像检测识别方法的变形实施例中步骤S2的细节流程示意图；图4是本专利技术第一实施例图像检测识别方法的又一变形实施例中步骤S2的细节流程示意图；图5是本专利技术第二实施例提供的图像分类网络优化方法的流程示意图；图6是本专利技术第三实施例图像检测识别系统的模块示意图；图7是本专利技术第三实施例图像检测识别系统中检测单元的模块示意图；图8是本专利技术第四实施例提供的图像分类网络优化系统的模块示意图；图9是本专利技术第五实施例电子设备的模块示意图；图10是第六实施例提供的适于用来实现本专利技术实施例的服务器的计算机系统的结构示意图；附图标记说明：100、图像检测识别系；101、图像获取单元；102、检测单元；1021、定位框生成单元；1022、掩膜图像生成单元；103、合并单元；104、分类单元；200、图像分类网络优化系统；205、训练单元；700、电子设备；701、存储器；702、处理器；800、计算机系统；801、中央处理单元(CPU)；802、存储器(ROM)；803、RAM；804、总线；805、I/O接口；806、输入部分；807、输出部分；808、存储部分；809、通信部分；810、驱动器；811、可拆卸介质。【具体实施方式】为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，本专利技术第一实施例提供一种图像检测识别方法，包括如下步骤：S1、获取具有至少一个本文档来自技高网...

【技术保护点】
1.一种图像检测识别方法，其特征在于，包括如下步骤：S1、提供具有至少一个待识别目标的待测图像；S2、利用检测分类模型将所述待测图像中的待识别目标进行检测以获得与所述待识别目标对应的掩膜图像；S3、将所述步骤S1中的待测图像和所述步骤S2中的掩膜图像进行合并以获得多通道图像；及S4、将所述多通道图像输入训练好的分类网络进行检测以对所述待识别目标进行分类。

【技术特征摘要】
1.一种图像检测识别方法，其特征在于，包括如下步骤：S1、提供具有至少一个待识别目标的待测图像；S2、利用检测分类模型将所述待测图像中的待识别目标进行检测以获得与所述待识别目标对应的掩膜图像；S3、将所述步骤S1中的待测图像和所述步骤S2中的掩膜图像进行合并以获得多通道图像；及S4、将所述多通道图像输入训练好的分类网络进行检测以对所述待识别目标进行分类。2.如权利要求1所述的图像检测识别方法，其特征在于：所述步骤S2具体包括如下步骤：步骤S21、定位与每个待识别目标对应的矩形框；步骤S22、根据所述矩形框获得与所述待识别目标对应的掩膜图像。3.如权利要求2所述的图像检测识别方法，其特征在于：所述步骤S2还包括在所述步骤S21和所述步骤S22之间执行的如下步骤：步骤S21A、获得与每个矩形框对应的置信度；步骤S21B、根据置信度与预设阈值之间的大小关系，判定所述矩形框是否合格；若是，则对应执行步骤S22；若否，则重新返回步骤S21。4.如权利要求3所述的图像检测识别方法，其特征在于：若判定所述矩形框为合格，则在所述上述步骤S21B及步骤S22之间还包括步骤S21C，将所述矩形框按照预设的缩放比例进行缩放以获得与每个待识别目标对应的多个尺寸不相同的矩形框。5.如权利要求1所述的图像检测识别方法，其特征在于：在所述步骤S22中，将所述矩形框内的像素值设置为一种数值，将所述矩形框以外的区域的像素值设置为另一种数值以获得二值图像，所述二值图像为所述掩膜图像。6.如权利要求1所述的图像检测识别方法，其特征在于：在所述步骤S3中，基于所述掩膜图像的通道数、宽度以及高度和所述待测图像的通道数、宽度以及高度做合并以获得所述多通道图...

【专利技术属性】
技术研发人员：张发恩，赵江华，杨麒弘，张祥伟，秦永强，
申请(专利权)人：创新奇智青岛科技有限公司，
类型：发明
国别省市：山东,37