影像辨识方法及影像辨识系统技术方案

本公开提供一种影像辨识方法，其包括：通过影像传感器获取待辨识影像；将待辨识影像输入至单一卷积神经网络；依据单一卷积神经网络的输出结果，获取属于第一侦测任务的第一特征图以及属于第二侦测任务的第二特征图，其中第一特征图与第二特征图具有共有特征；使用终端层网络模块依据第一特征图从待辨识影像中产生对应第一侦测任务的第一辨识结果，并且依据第二特征图从待辨识影像中产生对应第二侦测任务的第二辨识结果；以及输出对应第一侦测任务的第一辨识结果与对应第二侦测任务的第二辨识结果。辨识结果。辨识结果。

【技术实现步骤摘要】
影像辨识方法及影像辨识系统


[0001]本公开涉及一种影像辨识方法及影像辨识系统。

技术介绍

[0002]在影像辨识领域中，类神经网络(neural network)已广泛被使用。然而，不同类型的辨识往往需要不同的类神经网络(neural network)架构，因此，在传统上，多特征的辨识需要建构多组类神经网络。如何能够利用单一类神经网络架构，来对多种特征进行辨识，以提升效能，是本领域技术人员所致力的目标。

技术实现思路

[0003]本公开提供一种影像辨识方法及影像辨识系统，能够根据获取的特征，同时输出对应于不同侦测任务的辨识结果。
[0004]本公开提供一种影像辨识方法，用于多种侦测任务，影像辨识方法包括：通过影像传感器获取待辨识影像；将待辨识影像输入至单一卷积神经网络；依据单一卷积神经网络的输出结果，获取属于第一侦测任务的第一特征图以及属于第二侦测任务的第二特征图，其中第一特征图与第二特征图具有共有特征；使用终端层网络模块依据第一特征图从待辨识影像中产生对应第一侦测任务的第一辨识结果，并且依据第二特征图从待辨识影像中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像辨识方法，用于多种侦测任务，其特征在于，所述影像辨识方法包括：通过影像传感器获取待辨识影像；将所述待辨识影像输入至单一卷积神经网络；依据所述单一卷积神经网络的输出结果，获取属于第一侦测任务的第一特征图以及属于第二侦测任务的第二特征图，其中所述第一特征图与所述第二特征图具有共有特征；使用终端层网络模块依据所述第一特征图从所述待辨识影像中产生对应所述第一侦测任务的第一辨识结果，并且依据所述第二特征图从所述待辨识影像中产生对应所述第二侦测任务的第二辨识结果；以及输出对应所述第一侦测任务的所述第一辨识结果与对应所述第二侦测任务的所述第二辨识结果。2.根据权利要求1所述的影像辨识方法，其特征在于，其中所述第一侦测任务为二维物件侦测，并且所述第二侦测任务为影像分割。3.根据权利要求1所述的影像辨识方法，其特征在于，还包括：在所述单一卷积神经网络中配置具有多个卷积层的骨干架构模块；以及使用所述骨干架构模块从所述待辨识影像截取所述共有特征，并产生共有特征图。4.根据权利要求3所述的影像辨识方法，其特征在于，还包括：为所述第一侦测任务配置第一损失函数，并且为所述第二侦测任务配置第二损失函数，其中所述第一损失函数计算所述第一辨识结果与对应所述第一侦测任务的第一参考结果之间的误差，其中所述第二损失函数计算所述第二辨识结果与对应所述第二侦测任务的第二参考结果之间的误差。5.根据权利要求4所述的影像辨识方法，其特征在于，还包括：在所述终端层网络模块中配置多个预测层，并且依据对应所述第一侦测任务的所述第一损失函数与对应所述第二侦测任务的所述第二损失函数处理所述共有特征图。6.根据权利要求4所述的影像辨识方法，其特征在于，还包括：使用多个正规化权重平衡所述第二侦测任务的损失值的范围以参照所述第一侦测任务的损失值的范围来调整所述骨干架构模块的可学习权重。7.根据权利要求1所述的影像辨识方法，其特征在于，还包括在所述终端层网络模块中利用计算机视觉技术分群与链接对应所述第二侦测任务的辨识结果。8.根据权利要求1所述的影像辨识方法，其特征在于，其中所述第一侦测任务的所述第一特征图包括边界框的坐标、所述边界框的宽与高、所述边界框的侦测信心度以及所述边界框的分类机率，并且所述第二侦测任务的所述第二特征图包括所述边界框的坐标、所述边界框的侦测信心度以及所述边界框的分类机率。9.一种影像辨识系统，其特征在于，包括：影像传感器，获取待辨识影像；储存装置；输出装置；以及处理器，耦接所述影...

【专利技术属性】
技术研发人员：高得钦，蒋泗得，邵美恩，阮圣彰，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：