图像中实体类别的识别方法和装置制造方法及图纸

本申请提出一种图像中实体类别的识别方法和装置，其中，方法包括：根据预设算法提取目标图像的图像特征，根据图像特征在目标图像中确定包含目标实体的至少一个目标区域；提取至少一个目标区域中每个目标区域的分类特征，并融合所有分类特征获取局部分类特征；提取目标图像的全局分类特征，并融合局部分类特征和全局分类特征获取目标分类特征；根据目标分类特征确定目标实体的实体类别。由此，强化实体存在的局部特征，根据全局特征和局部特征的结合，可以准确确定图像中的实体类别，解决了现有技术中，图像全局特征相似难以确定实体具体类别的技术问题。

Recognition method and device of entity category in image

【技术实现步骤摘要】
图像中实体类别的识别方法和装置
本申请涉及图像处理
，尤其涉及一种图像中实体类别的识别方法和装置。
技术介绍
图像物体分类理解作为图像分类理解的一项基本而重要的任务，近年来引起了人们极大的研究兴趣，并同时在许多应用产品中成功部署，智能化地解决了许多实际问题。随着近年来深度学习技术的快速发展，深度学习也已成为图像物体分类中的最先进技术。即根据图像的全局深度特征来学习图像中的实体类别。相关技术中，图像中的全局特征在很多场景下类似，根据全局特征来识别实体类别的难度较大，存在将不同类别的实体划分为一类，比如，识别食物的类别时，由于食物之间相似度高，为食物的类别确定增加了难度。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的第一个目的在于提出一种图像中实体类别的识别方法，以强化实体存在的局部特征，根据全局特征和局部特征的结合，可以准确确定图像中的实体类别，解决了现有技术中，图像全局特征相似难以确定实体具体类别的技术问题。本申请的第二个目的在于提出一种像中实体类本文档来自技高网...

【技术保护点】
1.一种图像中实体类别的识别方法，其特征在于，所述方法包括：/n根据预设算法提取目标图像的图像特征，根据所述图像特征在所述目标图像中确定包含目标实体的至少一个目标区域；/n提取所述至少一个目标区域中每个目标区域的分类特征，并融合所有分类特征获取局部分类特征；/n提取所述目标图像的全局分类特征，并融合所述局部分类特征和所述全局分类特征获取目标分类特征；/n根据所述目标分类特征确定所述目标实体的实体类别。/n

【技术特征摘要】
1.一种图像中实体类别的识别方法，其特征在于，所述方法包括：
根据预设算法提取目标图像的图像特征，根据所述图像特征在所述目标图像中确定包含目标实体的至少一个目标区域；
提取所述至少一个目标区域中每个目标区域的分类特征，并融合所有分类特征获取局部分类特征；
提取所述目标图像的全局分类特征，并融合所述局部分类特征和所述全局分类特征获取目标分类特征；
根据所述目标分类特征确定所述目标实体的实体类别。


2.如权利要求1所述的方法，其特征在于，所述根据预设算法提取目标图像的图像特征，根据所述图像特征在所述目标图像中确定包含目标实体的至少一个目标区域，包括：
根据预设的第一卷积算法，获取所述目标图像的第一一维特征图；
提取所述第一一维特征图的图像特征，确定所述目标实体所在的至少一个候选区域；
将所述至少一个候选区域确定为所述至少一个目标区域。


3.如权利要求2所述的方法，其特征在于，所述将所述至少一个候选区域确定为所述至少一个目标区域，包括：
根据预设的第二卷积算法，提取所述至少一个候选区域中每个候选区域的第二一维特征图；
提取所述第一一维特征图的图像特征，根据所述第一一维特征图的图像特征收敛所述至少一个候选区域；
将收敛后的所述至少一个候选区域确定为所述至少一个目标区域。


4.如权利要求1所述的方法，其特征在，所述提取所述至少一个目标区域中每个目标区域的分类特征，包括：
确定所述每个目标区域的包含所述目标实体的置信度；
提取所述每个目标区域的候选分类特征；
根据所述每个目标区域的候选分类特征和置信度确定对应的分类特征。


5.如权利要求1所述的方法，其特征在于，所述提取所述至少一个目标区域中每个目标区域的分类特征，包括：
确定所述每个目标区域的尺寸大小；
根据所述尺寸大小对所述至...

【专利技术属性】
技术研发人员：贾玉虎，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44