一种物体识别方法、装置及设备制造方法及图纸

本申请适用于物体识别技术领域，提供了一种物体识别方法，包括：获取待识别图像；根据预设分割算法对所述待识别图像进行分割处理，得到至少一个图像框；通过卷积神经网络对所述图像框进行特征提取，得到所述图像框对应的物体特征；通过机器学习算法对所述物体特征进行识别，得到所述待识别图像所包含的物体的物体类别。上述方法，采用卷积神经网络对图像框进行特征提取，可以提取出图像框更深层次的特征，提高了物体识别的准确率。

【技术实现步骤摘要】
一种物体识别方法、装置及设备
本申请属于物体识别
，尤其涉及一种物体识别方法、装置及设备。
技术介绍
目前，传统的物体识别技术主要是获取一帧图像，然后把图片划分成不同大小的候选框图像，然后对候选框图像进行特征提取生成高纬向量，通过Adaboot、SVM等机器学习算法里面进行候选框图像分类，最终得到候选框图像的类别信息。但是，上述方法中，特征提取的能力有限，无法对特征进行更高层次的提取，这样导致进行物体识别时准确率偏低。
技术实现思路
本申请实施例提供了一种物体识别方法、装置及设备，可以解决现有的物体识别方法中特征提取的能力有限，无法对特征进行更高层次的提取，导致进行物体识别时准确率偏低的问题。第一方面，本申请实施例提供了一种物体识别方法，包括：获取待识别图像；根据预设分割算法对所述待识别图像进行分割处理，得到至少一个图像框；通过卷积神经网络对所述图像框进行特征提取，得到所述图像框对应的物体特征；通过机器学习算法对所述物体特征进行识别，得到所述待识别图像所包含的物体的物体类别。...

【技术保护点】
1.一种物体识别方法，其特征在于，包括：/n获取待识别图像；/n根据预设分割算法对所述待识别图像进行分割处理，得到至少一个图像框；/n通过卷积神经网络对所述图像框进行特征提取，得到所述图像框对应的物体特征；/n通过机器学习算法对所述物体特征进行识别，得到所述待识别图像所包含的物体的物体类别。/n

【技术特征摘要】
1.一种物体识别方法，其特征在于，包括：
获取待识别图像；
根据预设分割算法对所述待识别图像进行分割处理，得到至少一个图像框；
通过卷积神经网络对所述图像框进行特征提取，得到所述图像框对应的物体特征；
通过机器学习算法对所述物体特征进行识别，得到所述待识别图像所包含的物体的物体类别。


2.如权利要求1所述的物体识别方法，其特征在于，所述卷积神经网络为mobilenet-ssd神经网络、yolov4-tiny神经网络或nanodet神经网络。


3.如权利要求1所述的物体识别方法，其特征在于，所述预设分割算法为暴力搜索算法、SelectiveSearch算法或基于边缘检测的图像分割算法。


4.如权利要求1所述的物体识别方法，其特征在于，所述机器学习算法为支持向量机算法或Adaboot算法。


5.如权利要求1所述的物体识别方法，其特征在于，所述卷积神经网络的训练过程包括：
获取预设的卷积神经网络，并且获取训练样本集；所述训练样本集包括样本图像框及其对应的物体特征标签；
将所述样本图像框输入至所述预设卷积神经网络轻量模型进行处理，得到所述样本图像框对应的样本物体特征；
根据预设损失函数获取所述样本图像框对应的样本物体特征和所述样本图像框对应的物体特征标签之间的差异信息；
若所述差异信息满足预设停止训练条件，则停止训练，将当前的所述预设卷积神经网络轻量模型作为用于输出图像框对应的物体特征的卷积神经网络；
若所述差异信息不满足所述第一预设停止训练条件，则调整预设参数，并返回所述将所述样本图像框...

【专利技术属性】
技术研发人员：杨勇，吴泽晓，张康健，
申请(专利权)人：深圳市杉川机器人有限公司，
类型：发明
国别省市：广东;44