对象的识别方法、装置、存储介质和处理器制造方法及图纸

技术编号:33417096 阅读:17 留言:0更新日期:2022-05-19 00:10
本发明专利技术公开了一种对象的识别方法、装置、存储介质和处理器。其中,该方法包括:获取包括待识别的对象的目标图像;通过目标网络模型对目标图像进行识别,得到目标图像对应的目标区域的目标位置信息,其中,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度;基于目标位置信息对目标图像中的对象进行重识别,得到重识别结果。本发明专利技术解决了对对象进行重识别的效率低的技术问题。进行重识别的效率低的技术问题。进行重识别的效率低的技术问题。

【技术实现步骤摘要】
对象的识别方法、装置、存储介质和处理器


[0001]本专利技术涉及数据处理领域,具体而言,涉及一种对象的识别方法、装置、存储介质和处理器。

技术介绍

[0002]目前,在对对象进行重识别时,可以将对象的图像直接分为固定的水平条纹,以通过水平条纹来获得更丰富的细粒度局部特征。但是,固定的水平条纹无法处理图像之间的严重错位,并且不能消除背景或遮挡的影响,从而存在对对象进行重识别的效率低的技术问题。
[0003]针对上述的对对象进行重识别的效率低的技术问题,目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种对象的识别方法、装置、存储介质和处理器,以至少解决对对象进行重识别的效率低的技术问题。
[0005]根据本专利技术实施例的一个方面,提供了一种对象的识别方法。该方法可以包括:获取包括待识别的对象的目标图像;通过目标网络模型对目标图像进行识别,得到目标图像对应的目标区域的目标位置信息,其中,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度;基于目标位置信息对目标图像中的对象进行重识别,得到重识别结果。
[0006]根据本专利技术实施例的另一方面,还提供了另一种对象的识别方法。该方法可以包括:获取包括待识别的行人的目标图像;通过目标网络模型对目标图像进行识别,得到目标图像对应的目标区域的目标位置信息,其中,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括行人的至少一个子部位,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度;基于目标位置信息对目标图像中的行人进行重识别,得到重识别结果。
[0007]根据本专利技术实施例的另一方面,还提供了另一种对象的识别方法。该方法可以包括:在目标界面显示包括待识别的对象的目标图像;在目标界面显示重识别结果,其中,重识别结果为基于目标区域的目标位置信息对目标图像中的对象进行重识别得到,目标位置信息为通过目标网络模型对目标图像进行识别得到,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度。
[0008]根据本专利技术实施例的另一方面,还提供了另一种对象的识别方法。该方法可以包括:前端客户端向后台服务器上传包括待识别的对象的目标图像;前端客户端接收后台服务器返回的重识别结果,其中,重识别结果为后台服务器基于目标区域的目标位置信息对目标图像中的对象进行重识别得到,目标位置信息为通过目标网络模型对目标图像进行识别得到,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度。
[0009]根据本专利技术实施例的另一方面,还提供了另一种对象的识别方法。该方法可以包括:在目标界面的录入界面中录入包括待识别的对象的目标图像;在目标界面内感应到位置生成指令,显示目标图像对应的目标区域的目标位置信息,其中,目标位置信息为通过目标图像中多个子图像分别对应的子区域的位置信息和子区域的目标权重得到,子图像包括对象的至少一个子对象,目标权重用于表示子区域对目标区域的重要程度;在目标界面内感应到识别指令,显示重识别结果,其中,重识别结果通过基于目标位置信息对目标图像中的对象进行重识别得到。
[0010]根据本专利技术实施例的另一方面,还提供了另一种对象的识别装置。该装置可以包括:第一获取单元,用于获取包括待识别的对象的目标图像;第一识别单元,用于通过目标网络模型对目标图像进行识别,得到目标图像对应的目标区域的目标位置信息,其中,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度;第二识别单元,用于基于目标位置信息对目标图像中的对象进行重识别,得到重识别结果。
[0011]根据本专利技术实施例的另一方面,还提供了另一种对象的识别装置。该装置可以包括:第二获取单元,用于获取包括待识别的行人的目标图像;第三识别单元,用于通过目标网络模型对目标图像进行识别,得到目标图像对应的目标区域的目标位置信息,其中,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括行人的至少一个子部位,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度;第四识别单元,用于基于目标位置信息对目标图像中的行人进行重识别,得到重识别结果。
[0012]根据本专利技术实施例的另一方面,还提供了另一种对象的识别装置。该装置可以包括:第一显示单元,用于在目标界面显示包括待识别的对象的目标图像;第二显示单元,用于在目标界面显示重识别结果,其中,重识别结果为基于目标区域的目标位置信息对目标图像中的对象进行重识别得到,目标位置信息为通过目标网络模型对目标图像进行识别得到,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度。
[0013]根据本专利技术实施例的另一方面,还提供了另一种对象的识别装置。该装置可以包括:上传单元,用于使前端客户端向后台服务器上传包括待识别的对象的目标图像;接收单元,用于使前端客户端接收后台服务器返回的重识别结果,其中,重识别结果为后台服务器基于目标区域的目标位置信息对目标图像中的对象进行重识别得到,目标位置信息为通过
目标网络模型对目标图像进行识别得到,目标网络模型包括区域生成模型和区域感知模型,区域生成模型用于确定目标图像中多个子图像分别对应的子区域的位置信息,子图像包括对象的至少一个子对象,区域感知模型用于确定子区域的目标权重,目标权重用于表示子区域对目标区域的重要程度。
[0014]根据本专利技术实施例的另一方面,还提供了一种计算机可读存储介质。计算机可读存储介质包括存储的程序,其中,在程序被处理器运行时控制计算机可读存储介质所在设备执行本专利技术实施例的对象的识别方法。
[0015]根据本专利技术实施例的另一方面,还提供了一种处理器。该处理器用于运行程序,其中,程序运行时执行本专利技术实施例的对象的识别方法。
[0016]根据本专利技术实施例的另一方面,还提供了一种对象的识别系统。该系统可以包括:处理器;存储器,与处理器本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种对象的识别方法,其特征在于,包括:获取包括待识别的对象的目标图像;通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息,其中,所述目标网络模型包括区域生成模型和区域感知模型,所述区域生成模型用于确定所述目标图像中多个子图像分别对应的子区域的位置信息,所述子图像包括所述对象的至少一个子对象,所述区域感知模型用于确定所述子区域的目标权重,所述目标权重用于表示所述子区域对所述目标区域的重要程度;基于所述目标位置信息对所述目标图像中的所述对象进行重识别,得到重识别结果。2.根据权利要求1所述的方法,其特征在于,所述目标区域为未遮挡的区域。3.根据权利要求1所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之前,所述方法还包括:提取所述目标图像的特征图;通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息,包括:通过目标网络模型对所述特征图对应的目标区域进行识别,得到所述目标位置信息。4.根据权利要求3所述的方法,其特征在于,通过目标网络模型对所述特征图对应的目标区域进行识别,得到所述目标位置信息,包括:基于所述区域生成模型中的全连接层对所述特征图进行预测,得到所述多个子图像分别对应的子区域的位置信息;基于所述区域感知模型中的子感知模型确定所述目标权重;基于所述子区域的位置信息和所述目标权重确定所述目标位置信息。5.根据权利要求4所述的方法,其特征在于,基于所述区域生成模型中的全连接层对所述特征图进行预测,得到所述多个子图像分别对应的子区域的位置信息,包括:对所述特征图进行最大池化操作,得到池化结果;基于第一全连接层和第二全连接层对所述池化结果进行分类,得到所述子区域的位置信息,其中,所述第一全连接层和所述第二全连接层级联。6.根据权利要求4所述的方法,其特征在于,基于所述区域感知模型中的子感知模型确定所述目标权重,包括:通过第一子感知模型通过自注意力机制对所述子区域的特征进行分析,得到所述子区域的第一权重,其中,所述第一子感知模型包括第三全连接层和激活函数;通过第二子感知模型将所述子区域和与所述目标图像具有同一标识的其它图像对应的区域进行比较,得到比较结果,并基于所述比较结果确定所述子区域的第二权重;将所述第一权重和所述第二权重之和,确定为所述目标权重。7.根据权利要求6所述的方法,其特征在于,所述子区域的特征存储在目标存储库中。8.根据权利要求1至7中任意一项所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之后,所述方法还包括:在所述子区域的尺寸未处于目标尺寸范围的情况下,基于所述子区域的面积和所述目标图像的特征图的尺寸将所述子区域的尺寸调整至所述目标尺寸范围内。
9.根据权利要求1至7中任意一项所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之后,所述方法还包括:在所述子区域的高宽比未处于目标高宽比范围的情况下,基于所述子区域的高宽比的临界值将所述子区域的高宽比调整至所述目标高宽比范围内。10.根据权利要求1至7中任意一项所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之后,所述方法还包括:在所述子区域与其它子区域重叠的情况下,基于所述子区域与所述其它子区域之间的重叠度调整所述子区域,以使调整后的子区域与所述其它子区域之间的重叠度低于调整前的子区域与所述其它子区域之间的重叠度。11.根据权利要求1至7中任意一项所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之后,所述方法还包括:基于所述子区域的区域分类损失,将所述子区域的特征与其它子区域的特征进行对齐。12.根据权利要求1至7中任意一项所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之前,所述方法还包括:基于训练样本的全局特征的损失、区域特征的损失和所述区域生成模型对应的损失训练所述目标网络模型。13.一种对象的识别方法,其特征在于,包括:获取包括待识别的行人的目标图像;通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息,其中,所述目标网络模型包括区域生成模型和区域感知模型,所述区域生成模型用于确定所述目标图像中多个子图像分别对应的子区域的位置信息,所述子图像包括所述行人的至少一个子部位,所述区域感知模型用于确定所述子区域的目标权重,所述目标权重用于表示所述子区域对所述目标区域的重要程度;基于所述目标位置信息对所述目标图像中的所述行人进行重识别,得到重识别结果。14.根据权利要求13所述的方法,其特征在于,在通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息之前,所述方法还包括:提取所述目标图像的特征图;通过目标网络模型对所述目标图像进行识别,得到所述目标图像对应的目标区域的目标位置信息,包括:通过目标网络模型对所述特征图对应的目标区域进行识别,得到所述目标位置信息。15.一种对象的识别方法,其特征在于,包括:在目标界面显示包括待识别的对象的目标图像;在所述目标界面显示重识别结果,其中,所述重识别结果为基于目标区域的目标位置信息对所述目标图像中的所述对象进行重识别得到,所述目标位置信息为通过目...

【专利技术属性】
技术研发人员:何淑婷陈威华王帆李昊
申请(专利权)人:阿里巴巴集团控股有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1