数字识别方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于图像识别技术领域，提供了一种数字识别方法、装置、终端设备及存储介质，方法包括：输入包含数字的待识别图像至数字识别网络模型的多层卷积层中；根据多层卷积层的处理顺序，将待识别图像依次经过每层卷积层进行正向卷积处理和逆向卷积处理，得到多个逆向图像特征；分别将多个逆向图像特征均输入至数字识别网络模型的分类器中，识别所述待识别图像中包含的数字。采用上述方法依次对待识别图像进行正向卷积处理、反向卷积处理，得到不同维度下的多个逆向图像特征，使其能够包含待识别图像更多的特征信息。进而，提高数字识别网络模型基于多个逆向图像特征对待识别图像进行数字识别的准确率。数字识别的准确率。数字识别的准确率。

【技术实现步骤摘要】
数字识别方法、装置、终端设备及存储介质


[0001]本申请属于图像识别
，尤其涉及一种数字识别方法、装置、终端设备及存储介质。

技术介绍

[0002]现有技术中，变电站巡检机器人的主要任务之一是替代人力值班巡检，智能的识别设备运行参数是否正常。采用的方法通常是：巡检机器人拍摄设备图像，而后通过神经网络模型对采集到的图像进行数字识别。然而，现有的神经网络模型在提取图像特征时，通常是对图像进行卷积处理得到最后卷积层输出的特征，并根据该特征进行数字识别。然而，通过该方法获取到的特征无法包含图像中更多的细节信息，以至于在对图像进行数字识别时，存在数字识别准确率低的问题。

技术实现思路

[0003]本申请实施例提供了一种数字识别方法、装置、终端设备及存储介质，可以解决现有技术中，在对图像进行数字识别时，数字识别准确率低的问题。
[0004]第一方面，本申请实施例提供了一种数字识别方法，包括：
[0005]输入包含数字的待识别图像至数字识别网络模型，所述数字识别网络模型包括多层卷积层；
[0006]根据所述多层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字识别方法，其特征在于，包括：输入包含数字的待识别图像至数字识别网络模型，所述数字识别网络模型包括多层卷积层；根据所述多层卷积层的正向处理顺序，将所述待识别图像依次经过每层卷积层进行正向卷积处理，得到所述每层卷积层一一对应的多个正向图像特征，其中，第一卷积层的输入图像为所述待识别图像，其余每层卷积层的输入图像均为相邻的上一卷积层输出的所述正向图像特征；根据所述多层卷积层的逆向处理顺序，依次将最后一层的正向图像特征经过每层卷积层进行逆向卷积处理，得到所述每层卷积层一一对应的多个逆向图像特征，其中，所述最后一层的逆向图像特征为所述最后一层的正向图像特征，所述其余每层卷积层的输入图像均为相邻的上一卷积层输出的逆向图像特征；分别将所述多层卷积层的逆向图像特征均输入至所述数字识别网络模型的分类器中，识别所述待识别图像中包含的数字。2.如权利要求1所述的数字识别方法，其特征在于，所述根据所述多层卷积层的逆向处理顺序，依次将最后一层的正向图像特征经过每层卷积层进行逆向卷积处理，得到所述每层卷积层一一对应的多个逆向图像特征，包括：针对任一卷积层，获取当前卷积层的正向图像特征，以及与所述当前卷积层相邻的所述上一卷积层输出的逆向图像特征；将所述正向图像特征和所述上一卷积层输出的逆向图像特征进行逆向卷积处理，得到所述当前卷积层的逆向图像特征。3.如权利要求1或2所述的数字识别方法，其特征在于，所述多个逆向图像特征包括第一卷积层的第一逆向图像特征；所述根据所述多层卷积层的逆向处理顺序，依次将最后一层的正向图像特征经过每层卷积层进行逆向卷积处理，得到所述每层卷积层一一对应的多个逆向图像特征，包括：获取所述多层卷积层中第二卷积层的第二逆向图像特征，以及第三卷积层的第三逆向图像特征；将所述第二逆向图像特征和所述第三逆向图像特征进行特征融合，得到目标特征；将所述目标特征和所述第一卷积层的正向图像特征进行逆向卷积处理，得到所述第一卷积层的第一逆向图像特征。4.如权利要求3所述的数字识别方法，其特征在于，所述数字识别网络模型包括语义卷积模块；所述将所述第二逆向图像特征和所述第三逆向图像特征进行特征融合，得到目标特征，包括：输入所述第三逆向图像特征至语义卷积模块中进行特征处理，得到所述第三逆向图像特征中的语义信息特征；对所述第二逆向图像特征和所述语义信息特征进行特征融合，得到初始目标特征；根据所述语义信息特征对所述初始目标特征进行特征选择，得到所述目标特征。5.如权利要求4所述的数字识别方法，其特征在于，所述输入所述...

【专利技术属性】
技术研发人员：李旻择，彭志远，谷湘煜，鲜开义，徐劲莉，
申请(专利权)人：深圳市朗驰欣创科技股份有限公司，
类型：发明
国别省市：