【技术实现步骤摘要】
一种基于多层网络的图像处理方法及装置、电子设备
[0001]本专利技术涉及图像处理
，具体而言，涉及一种基于多层网络的图像处理方法及装置、电子设备。
技术介绍
[0002]随着图像处理技术的发展，图像处理被应用到道路图像的分析与处理中。常见的情况为，对道路图像中的特定对象进行识别，例如：识别出道路图像中的人或者车辆。
[0003]现有的识别技术，预先训练用于道路图像识别的神经网络模型，然后将需要识别的图像输入该神经网络模型中，便可获得神经网络模型输出的识别结果。
[0004]但是，现有的这种图像处理方式，对于神经网络模型的应用过于简单，导致最终的识别结果的准确性难以得到保证。
技术实现思路
[0005]本专利技术实施例的目的在于提供一种基于多层网络的图像处理方法及装置、电子设备，用以提高道路图像的识别结果的准确性。
[0006]第一方面，本专利技术实施例提供一种基于多层网络的图像处理方法，包括：获取待处理图像；所述待处理图像为道路图像；根据所述待处理图像和预先训练好的多层网络确定...
【技术保护点】
【技术特征摘要】
1.一种基于多层网络的图像处理方法，其特征在于，包括：获取待处理图像；所述待处理图像为道路图像；根据所述待处理图像和预先训练好的多层网络确定第一识别结果和第二识别结果；所述第一识别结果中标注有第一目标对象，所述第二识别结果中标注有第二目标对象，所述第一目标对象为人，所述第二目标对象为环境物体；所述预先训练好的多层网络包括：第一神经网络模型、第二神经网络模型和第三神经网络模型；第一神经网络模型的输入层为所述多层网络的输入层，第一神经网络模型的输出层分别与第二神经网络模型的输入层和第三神经网络模型的输入层连接，第二神经网络模型的输出层和第三神经网络模型的输出层为所述多层网络的输出层；其中，所述第一神经网络模型用于对所述待处理图像进行区块划分，输出标注有第一类型区块的第一图像和标注有第二类型区块的第二图像；所述第一类型区块为所述第一目标对象对应的区块，所述第二类型区块为所述第二目标对象对应的区块；所述第二神经网络模型用于基于所述第一图像获得所述第一识别结果，所述第三神经网络模型用于基于所述第二图像获得所述第二识别结果；基于所述待处理图像的识别需求，根据所述第一图像、所述第二图像、所述第一识别结果和所述第二识别结果输出对象识别结果。2.根据权利要求1所述的图像处理方法，其特征在于，所述识别需求为识别所述第一目标对象，所述根据所述第一图像、所述第二图像、所述第一识别结果和所述第二识别结果输出对象识别结果，包括：将所述第一识别结果与所述第一图像进行比较，判断所述第一类型区块的标注信息与所述第一目标对象的标注信息是否一致；若所述第一类型区块的标注信息与所述第一目标对象的标注信息一致，输出所述第一识别结果；若所述第一类型区块的标注信息与所述第一目标对象的标注信息不一致，将所述第一识别结果、所述第一图像和所述第二图像进行比较，并根据比较结果对所述第一识别结果进行校正。3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述第一识别结果、所述第一图像和所述第二图像进行比较，并根据比较结果对所述第一识别结果进行校正，包括：确定所述第一目标对象分别与所述第一类型区块和所述第二类型区块之间的从属关系；根据所述从属关系对所述第一识别结果进行校正。4.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述从属关系对所述第一识别结果进行校正，包括：若所述第一目标对象包括第一目标部分，将所述第一目标部分的特征与预设的第一目标对象特征进行比较；所述第一目标部分属于所述第一类型区块，且属于所述第二类型区块；若所述第一目标部分的特征属于所述预设的第一目标对象特征，输出所述第一识别结果；若所述第一目标部分的特征不属于所述预设的第一目标对象特征，在所述第一目标对
象中删除所述第一目标部分，获得校正后的第一识别结果并输出。5.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述从属关系对所述第一识别结果进行校正，包括：若所述第一目标对象包括第二目标部分，确定所述第二目标部分的特征与所述第二类型区块中的特征之间的第一匹配度；所述第二目标部分不属于所述第一类型区块，且属于所述第二类型区块；若所述第一匹配度满足预设的匹配度条件，在所述第一目标对象中删除所述第二目标部分，获得校正后的第一识别结果并输出。6.根据权利要求5所述的图像处理方法，其特征在于，所述图像处理方法还包括：若所述第一匹配度不满足预设...
【专利技术属性】
技术研发人员：周淑霞，刘大军，
申请(专利权)人：威海凯思信息科技有限公司，
类型：发明
国别省市：
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。