【技术实现步骤摘要】
图像识别方法、装置及计算机可读存储介质
本申请涉及计算机
,特别涉及一种图像识别方法、装置及计算机可读存储介质。
技术介绍
随着计算机技术和人工智能技术的发展,图像识别的应用越来越广泛。相关技术中,地图软件的服务器可以根据用户出行可采用的各种交通工具,自动规划用户的出行路线,在此过程中图像识别至关重要。示例地,工作人员需要预先采集道路上的交通标志牌的图像,接着将采集的图像输入服务器,服务器可以直接对输入的交通标志牌的图像进行整体识别,得到识别结果。但是,相关技术中服务器得到的识别结果准确性较低。
技术实现思路
本申请提供了一种图像识别方法、装置及计算机可读存储介质,可以解决图像识别准确率较低的问题。所述技术方案如下:一方面,提供了一种图像识别方法,所述方法包括:获取待识别的交通标志牌的图像,所述交通标志牌的图像包括多类要素;分别对所述多类要素中每类要素进行识别,得到所述多类要素中每类要素的识别结果;组合所述多类要素中每类要素的识别结果,得到所述交通标志牌的图像的识别结 ...
【技术保护点】
1.一种图像识别方法,其特征在于,所述方法包括:/n获取待识别的交通标志牌的图像,所述交通标志牌的图像包括多类要素;/n分别对所述多类要素中每类要素进行识别,得到所述多类要素中每类要素的识别结果;/n组合所述多类要素中每类要素的识别结果,得到所述交通标志牌的图像的识别结果。/n
【技术特征摘要】
1.一种图像识别方法,其特征在于,所述方法包括:
获取待识别的交通标志牌的图像,所述交通标志牌的图像包括多类要素;
分别对所述多类要素中每类要素进行识别,得到所述多类要素中每类要素的识别结果;
组合所述多类要素中每类要素的识别结果,得到所述交通标志牌的图像的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述交通标志牌的图像的识别结果是由图像识别模型识别得到的,所述图像识别模型包括:特征提取网络和多个检测网络,所述多个检测网络包括与所述多类要素一一对应的目标检测网络,所述分别对所述多类要素中每类要素进行识别,包括:
通过所述特征提取网络提取所述交通标志牌的图像的特征;
在所述交通标志牌的图像的特征中,通过每个所述目标检测网络对对应的一类要素的特征进行识别,得到所述一类要素的识别结果。
3.根据权利要求2所述的方法,其特征在于,提取得到的所述待识别图像的每个特征的感受野覆盖所述待识别图像的所有像素。
4.根据权利要求3所述的方法,其特征在于,所述特征提取网络包括多个卷积层,所述多个卷积层的个数大于或等于13。
5.根据权利要求4所述的方法,其特征在于,所述多个卷积层中的至少一个卷积层为瓶颈层,所述瓶颈层两侧的卷积层均非瓶颈层。
6.根据权利要求2至5任一所述的方法,其特征在于,所述特征提取网络包括多个最大池化层,所述多个最大池化层的个数小于4。
7.根据权利要求1至5任一...
【专利技术属性】
技术研发人员:宫鲁津,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。