用于云联邦的图像中的目标物识别方法及装置制造方法及图纸

本发明专利技术提供了一种用于云联邦的图像中的目标物识别方法及装置，该方法包括以下步骤：对原始图像进行Random‑Batch images处理，并与原始图像融合后输入ResNet网络，进行特征提取，获得特征图；将特征图输入到双向特征图金字塔网络中进行深层特征图融合，获得语义表达能力更强的特征图，并输入到区域生成网络中，生成多个候选框，将特征框输入ROIAlign网络层筛选出感兴趣区域，感兴趣区域映射到特征图得到感兴趣区域的特征信息；根据特征信息通过全连接层对感兴趣区域进行分类、框回归及掩码网络处理，获得原始图像的语义分类结果，以识别目标物。本发明专利技术在训练过程中对模型的改进使之能对图像中的目标细粒度检测和识别有更好的效果。

【技术实现步骤摘要】
用于云联邦的图像中的目标物识别方法及装置
本专利技术涉及图像识别
，具体涉及一种用于云联邦的图像中的目标物识别方法及装置。
技术介绍
相较于普通的目标检测任务，航拍图像中的军事码头目标检测有难度更大。首先，由于距离太远，像素不是很高，图像本身模糊不清；另外，在图像中既有像素超过100×100的桥梁、操场，也有像素小于50×50各种集装箱、船只，而且船只目标较为密集，还有些相互交叠的部分，还有介于其间的飞机、码头，图像复杂程度更高，因此要求目标识别方法对多尺度和精度需求比较高。为了对军事码头航拍图像中的各个目标进行识别，首先，要进行语义分割，先识别出不同类别的的实体，其次，需要对同类别的实体进行实例分割，最终检测出各个目标的属性。在语义分割层面，目前主要有RCNN、fast-RCNN、faster-RCNN等，其中RCNN网络先提取图像中的Proposal(候选框)，然后将Proposal(候选框)输入CNN(卷积神经网络)提取特征，使用SVM(支持向量机)分类，最后做Bboxreg(框回归)，在语义分割方面，效果较好，但是本文档来自技高网...

【技术保护点】
1.一种用于云联邦的图像中的目标物识别方法，其特征在于，所述用于云联邦的图像中的目标物识别方法包括以下步骤：/n对原始图像进行Random-Batch images处理，获得处理后图像；/n将所述处理后图像与所述原始图像融合后输入ResNet网络，进行特征提取，获得特征图；/n将所述特征图输入到双向特征图金字塔网络中进行深层特征图融合，获得语义表达能力更强的特征图；/n将所述语义表达能力更强的特征图输入到区域生成网络中，生成多个候选框；/n将所述多个候选框输入到ROIAlign网络层，筛选出感兴趣区域；/n将所述感兴趣区域映射到所述语义表达能力更强的特征图上，获得感兴趣区域的特征；/n全连接层...

【技术特征摘要】
1.一种用于云联邦的图像中的目标物识别方法，其特征在于，所述用于云联邦的图像中的目标物识别方法包括以下步骤：
对原始图像进行Random-Batchimages处理，获得处理后图像；
将所述处理后图像与所述原始图像融合后输入ResNet网络，进行特征提取，获得特征图；
将所述特征图输入到双向特征图金字塔网络中进行深层特征图融合，获得语义表达能力更强的特征图；
将所述语义表达能力更强的特征图输入到区域生成网络中，生成多个候选框；
将所述多个候选框输入到ROIAlign网络层，筛选出感兴趣区域；
将所述感兴趣区域映射到所述语义表达能力更强的特征图上，获得感兴趣区域的特征；
全连接层根据所述感兴趣区域的特征对所述感兴趣区域进行分类、框回归及掩码网络处理，获得所述原始图像的语义分类结果，以识别所述原始图像中的目标物。


2.如权利要求1所述的用于云联邦的图像中的目标物识别方法，其特征在于，所述对原始图像进行Random-Batchimages处理，获得处理后图像，包括：
对所述原始图像中的每张图像，每次随机截取1/4的含有目标物的图像，将四张所述1/4的含有目标物的图像进行随机拼接，获得处理后图像。


3.如权利要求1所述的用于云联邦的图像中的目标物识别方法，其特征在于，在所述全连接层根据所述感兴趣区域的特征对所述感兴趣区域进行分类、框回归及掩码网络处理，获得所述原始图像的语义分类结果，以识别所述原始图像中的目标物的步骤之前，还包括：
对全连接层中的掩码网络加入通道注意力机制。


4.如权利要求1所述的用于云联邦的图像中的目标物识别方法，其特征在于，所述全连接层根据所述感兴趣区域的特征对所述感兴趣区域进行分类、框回归及掩码网络处理，获得所述原始图像的语义分类结果，以识别所述原始图像中的目标物，包括：
将所述感兴趣区域的特征输入到全连接层，根据所述感兴趣区域的特征对所述感兴趣区域进行分类，得到两个输出；
...

【专利技术属性】
技术研发人员：程家明，孔繁东，周志祥，彭杨，
申请(专利权)人：武汉兴图新科电子股份有限公司，
类型：发明
国别省市：湖北;42