一种图像识别方法、装置、设备及可读存储介质制造方法及图纸

本申请实施例公开了一种图像识别方法、装置、设备及可读存储介质，该方法包括：获取目标图像，将目标图像输入至图像识别模型，在图像识别模型中提取目标图像的图像特征；将图像特征分别输入至图像识别模型中的图像分类组件和位置预测组件中；在图像分类组件中，通过第一卷积参数对图像特征进行卷积处理，得到分类卷积特征图；在位置预测组件中，通过第二卷积参数对图像特征进行卷积处理，得到位置卷积特征图；根据分类卷积特征图，输出目标图像中目标对象的对象类别，根据位置卷积特征图，输出目标对象在目标图像中的位置信息。采用本申请，可以提高图像识别效率。

【技术实现步骤摘要】
一种图像识别方法、装置、设备及可读存储介质
本申请涉及计算机
，尤其涉及一种图像识别方法、装置、设备及可读存储介质。
技术介绍
当前，对于图像中包含的物品的类别判定与目标框选，需要通过不同的识别网络来实现检测。对于物品的类别判定，可以通过分类网络来进行类别判定；对于物品的目标框选，可以通过目标检测网络来实现对物品的框选。在现有技术中，通过两个不同的识别网络来实现对物品的类别判定与目标框选的方法，需要在两个识别网络中，分别提取出图像的图像特征，进而两个识别网络可以分别对该图像特征进行卷积处理，从而可以分别得到对物品的分类结果以及预测物品边界。也就是说，对同一个图像的图像特征提取，两个识别网络共需要进行两次或两次以上的计算，才能提取出，这样会带来大量的计算量，影响识别效率。
技术实现思路
本申请实施例提供一种图像识别方法、装置、设备及可读存储介质，可以提高图像识别效率。本申请实施例一方面提供一种图像识别方法，包括：获取目标图像，将目标图像输入至图像识别模型，在图像识别模型中提取目标图像的图像特征；<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，包括：/n获取目标图像，将所述目标图像输入至图像识别模型，在所述图像识别模型中提取所述目标图像的图像特征；/n将所述图像特征分别输入至所述图像识别模型中的图像分类组件和位置预测组件中；所述图像分类组件包含关注于对象分类的第一卷积参数，所述位置预测组件中包含关注于位置信息预测的第二卷积参数；/n在所述图像分类组件中，通过所述第一卷积参数对所述图像特征进行卷积处理，得到分类卷积特征图；/n在所述位置预测组件中，通过所述第二卷积参数对所述图像特征进行卷积处理，得到位置卷积特征图；/n根据所述分类卷积特征图，输出所述目标图像中目标对象的对象类别，根据所述位置卷积特征图...

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：
获取目标图像，将所述目标图像输入至图像识别模型，在所述图像识别模型中提取所述目标图像的图像特征；
将所述图像特征分别输入至所述图像识别模型中的图像分类组件和位置预测组件中；所述图像分类组件包含关注于对象分类的第一卷积参数，所述位置预测组件中包含关注于位置信息预测的第二卷积参数；
在所述图像分类组件中，通过所述第一卷积参数对所述图像特征进行卷积处理，得到分类卷积特征图；
在所述位置预测组件中，通过所述第二卷积参数对所述图像特征进行卷积处理，得到位置卷积特征图；
根据所述分类卷积特征图，输出所述目标图像中目标对象的对象类别，根据所述位置卷积特征图，输出所述目标对象在所述目标图像中的位置信息。


2.根据权利要求1所述的方法，其特征在于，所述目标图像包括图像划分后的K个网格像素，所述图像识别模型中包括残差网络，所述残差网络包括第一特征提取单元、第二特征提取单元、第三特征提取单元以及卷积层；K为大于1的整数；
所述在所述图像识别模型中提取所述目标图像的图像特征，包括：
将所述目标图像输入至所述第一特征提取单元，在所述第一特征提取单元中提取所述目标图像中每个网格像素的像素特征，得到K个第一像素特征；
将所述K个第一像素特征输入至所述第二特征提取单元，在所述第二特征提取单元中对每个第一像素特征进行卷积处理，得到K个第二像素特征；
将所述K个第二像素特征输入至所述第三特征提取单元，在所述第三特征提取单元中对每个第二像素特征进行卷积处理，得到K个第三像素特征；
在所述K个第一像素特征、所述K个第二像素特征以及所述K个第三像素特征中，选择K个目标像素特征；
将所述K个目标像素特征输入所述卷积层，在所述卷积层中对所述K个目标像素特征进行卷积处理，得到卷积像素特征；
根据所述卷积像素特征，生成所述目标图像的图像特征。


3.根据权利要求2所述的方法，其特征在于，还包括：
获取原始图像，获取图像缩放比例；
根据所述图像缩放比例，对所述原始图像进行图像缩放，得到过渡图像；
对所述过渡图像进行图像划分，得到包括K个网格像素的目标图像。


4.根据权利要求2所述的方法，其特征在于，所述K个目标像素特征为所述K个第三像素特征；所述卷积层包括第一卷积层；
所述将所述K个目标像素特征输入所述卷积层，在所述卷积层中对所述K个目标像素特征进行卷积处理，得到卷积像素特征，包括：
将所述K个第三像素特征输入所述第一卷积层，在所述第一卷积层中对所述每个第三像素特征进行卷积处理，得到K个初始卷积像素特征；
获取所述第三特征提取单元对应的第一下采样倍数，根据所述第一下采样倍数对所述K个初始卷积像素特征进行下采样，得到所述卷积像素特征。


5.根据权利要求2所述的方法，其特征在于，所述卷积层包括第一卷积层以及第二卷积层；
所述将所述K个目标像素特征输入所述卷积层，在所述卷积层中对所述K个目标像素特征进行卷积处理，得到卷积像素特征，包括：
将所述K个第三像素特征输入至所述第一卷积层，在所述第一卷积层中对所述每个第三像素特征进行卷积处理，得到K个初始卷积像素特征；
获取所述第三特征提取单元对应的第一下采样倍数，根据所述第一下采样倍数对所述K个初始卷积像素特征进行下采样，得到第一下采样像素特征；
获取所述第二特征提取单元对应的第二下采样倍数，根据所述第二下采样倍数对所述K个第二像素特征进行下采样，得到第二下采样像素特征；
根据所述第一下采样倍数与所述第二下采样倍数，确定第一图像上采样倍数，根据所述第一图像上采样倍数对所述第一下采样像素特征进行上采样，得到上采样像素特征；
若所述K个目标像素特征为所述K个第二像素特征，则将所述第二下采样像素特征与所述上采样像素特征进行拼接，得到第一拼接特征，将所述第一拼接特征输入至所述第二卷积层，在所述第二卷积层中对所述第一拼接特征进行卷积处理，得到卷积像素特征。


6.根据权利要求5所述的方法，其特征在于，所述卷积层还包括第三卷积层；
所述方法还包括：
若所述K个目标像素特征为所述K个第一像素特征，则将所述第二下采样像素特征与所述上采样像素特征进行拼接，得到第一拼接特征，将所述第一拼接特征输入至所述第二卷积层，在所述第二卷积层中对所述第一拼接特征进行卷积处理，得到卷积拼接特征；
获取所述第一特征提取单元对应的第三下采样倍数，根据所述第三下采样倍数对所述K个第一像素特征进行下采样，得到第三下采样像素特征；
根据所述第三下采样倍数与所述第二下采样倍数，确定第二图像上采样倍数，根据所述第二图像上采样倍数对所述卷积拼接特征进行上采样，得到上采样拼接特征；
将所述第三下采样像素特征与所述上采样拼接特征进行拼接，得到第二拼接特征，将所述第二拼接特征输入至所述第三卷积层，在所述第三卷积层中对所述第二拼接特征进行卷积处理，得到卷积像素特征。


7.根据权利要求2所述的方法，其特征在于，所述根据所述分类卷积特征图，输出所述目标图像中目标对象的对象类别，包括：
获取所述分类卷积特征图中的分类特征点，获取所述分类特征点对应的对象存在概率；所述对象存在概率是指所述分类特征点所属预测框中存在所述目标对象的概率；所述预测框用于预测所述目标对象在所述目标图像中的位置；
获取所述分类特征点对应的类别预测概率；
若所述对象存在概率大于概率阈值，则在...

【专利技术属性】
技术研发人员：诸加丹，
申请(专利权)人：腾讯科技武汉有限公司，
类型：发明
国别省市：湖北;42