图像识别方法及相关装置制造方法及图纸

本申请实施例公开了一种图像识别方法及相关装置，方法包括：获取目标图像，将目标图像输入到主干网络进行特征提取，得到不同尺度下的多个第一特征图，通过多个第一特征图进行后处理，得到至少一个目标，确定多个第一特征图对应的空间注意力特征图，得到多个第一空间注意力特征图，依据多个第一空间注意力特征图确定第一感兴趣区域特征图，将第一感兴趣区域特征图输入到主干网络进行特征提取，得到不同尺度下的多个第二特征图，通过多个第二特征图进行目标属性识别确定至少一个目标属性，将至少一个目标和至少一个目标属性作为目标图像识别结果。采用本申请实施例能够提升图像识别精度和速度。

Image recognition method and related devices

【技术实现步骤摘要】
图像识别方法及相关装置
本申请涉及图像处理
，具体涉及一种图像识别方法及相关装置。
技术介绍
随着社会的发展，城市汽车数量不断攀升，由此带来的交通和环境问题也日渐加剧。为了应对这些问题，智能交通系统已成为城市发展的重点研究对象。而在智能交通系统中，对于车辆的检索，已经被证明是一项关键技术，在处理包括套牌车、故意遮挡车牌和追踪肇事逃逸等等交通问题上有着得天独厚的优势，对于智能交通系统的建设具有重要的意义，因此，如何提升交通场景的图像识别精度和速度的问题亟待解决。
技术实现思路
本申请实施例提供了一种图像识别方法及相关装置，可以提升交通场景的图像识别精度和速度。第一方面，本申请实施例提供一种图像识别方法，应用于电子设备，所述方法包括：获取目标图像；将所述目标图像输入到主干网络进行特征提取，得到不同尺度下的多个第一特征图，所述主干网络的每一尺度所在层均为通过通道注意力模块进行自注意力蒸馏学习以及所述主干网络的每一尺度所在层均为通过空间注意力模块进行特征融合提取；通过所述多个第一特征图进行后处理本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，应用于电子设备，所述方法包括：/n获取目标图像；/n将所述目标图像输入到主干网络进行特征提取，得到不同尺度下的多个第一特征图，所述主干网络的每一尺度所在层均为通过通道注意力模块进行自注意力蒸馏学习以及所述主干网络的每一尺度所在层均为通过空间注意力模块进行特征融合提取；/n通过所述多个第一特征图进行后处理，得到至少一个目标；/n确定所述多个第一特征图对应的空间注意力特征图，得到多个第一空间注意力特征图，依据所述多个第一空间注意力特征图确定第一感兴趣区域特征图；/n将所述第一感兴趣区域特征图输入到所述主干网络进行特征提取，得到不同尺度下的多个第二特征图；/n通过所...

【技术特征摘要】
1.一种图像识别方法，其特征在于，应用于电子设备，所述方法包括：
获取目标图像；
将所述目标图像输入到主干网络进行特征提取，得到不同尺度下的多个第一特征图，所述主干网络的每一尺度所在层均为通过通道注意力模块进行自注意力蒸馏学习以及所述主干网络的每一尺度所在层均为通过空间注意力模块进行特征融合提取；
通过所述多个第一特征图进行后处理，得到至少一个目标；
确定所述多个第一特征图对应的空间注意力特征图，得到多个第一空间注意力特征图，依据所述多个第一空间注意力特征图确定第一感兴趣区域特征图；
将所述第一感兴趣区域特征图输入到所述主干网络进行特征提取，得到不同尺度下的多个第二特征图；
通过所述多个第二特征图进行目标属性识别确定至少一个目标属性；
将所述至少一个目标和所述至少一个目标属性作为目标图像识别结果。


2.根据权利要求1所述的方法，其特征在于，所述确定所述多个第一特征图对应的空间注意力特征图，得到多个第一空间注意力特征图，依据所述多个第一空间注意力特征图确定第一感兴趣区域特征图，包括：
对所述多个第一特征图进行分组操作，得到多组第一特征图；
对所述多组第一特征图中每一组第一特征图进行全局平均池化操作，得到多组重要性权重特征，每一组第一特征图对应一组重要性权重特征；
将所述多组第一特征图和所述多组重要性权重特征进行点乘mul运算，得到多组特征图；
将所述多组特征图进行最大响应缩减，得到多个单通道特征图；
将所述多个单通道特征图输入到激活函数，得到多个第一空间注意力特征图；
将所述多个第一空间注意力特征图进行concat操作，以融合为目标空间注意力特征图；
对所述目标空间注意力特征图进行感兴趣区域提取，得到所述第一感兴趣区域特征图。


3.根据权利要求1或2所述的方法，其特征在于，所述通过所述多个第一特征图后处理，得到至少一个目标，包括：
通过目标神经网络模型将所述多个第一特征图进行后处理，得到所述至少一个目标；
所述目标神经网络模型包括BatchNorm层，且所述BatchNorm层已添加蒙版，实现对抗稀疏训练，该稀疏训练用于所述目标神经网络模型剪枝压缩。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取第一训练集，所述第一训练集包括多个样本；
对所述第一训练集的样本进行扰动操作，得到第二训练集；
将所述第一训练集和所述第二训练集输入到预设神经网络进行对抗训练，得到所述目标神经网络模型。


5.根据权利要求4所述的方法，其特征在于，所述将所述第一训练集和第二训练集输入到预设神经网络进行对抗训练，得到所述目标神经网络模型，包括：
获取样本k，所述样本k为所述第一训练样本和所述第二训练样本中的任一样本；
将所述样本k输入到所述主干网络，得到不同尺度下的多个第一尺度特征图；
依据所述多个第一尺度特征图确定多个通道注意力特征图；
依据所述多个通道注意力特征图进行自注意力蒸馏，以学习多尺度下的更加丰富的融合特征，并利用学习之后的所述多个通道注意力特征图优...

【专利技术属性】
技术研发人员：贺武，陈微，张鹏，
申请(专利权)人：深圳市华尊科技股份有限公司，
类型：发明
国别省市：广东;44