图像识别方法、电子设备及存储介质技术

本申请适用于计算机技术领域，提供了图像识别方法、电子设备及存储介质。图像识别方法包括：获取多目标图像，将多目标图像输入图像识别模型，得到图像识别模型输出的待识别目标的识别结果。其中，图像识别模型是根据单目标图像训练得到的，图像识别模型包括特征提取网络、区域生成网络以及检测网络；特征提取网络用于得到包括三级特征图的第一图像金字塔，对三级特征图进行特征融合；区域生成网络用于确定融合后的特征图的兴趣区域；检测网络用于根据兴趣区域输出待识别目标的识别结果。通过对包括三级特征图的图像金字塔进行特征融合，提取融合后的特征图的兴趣区域，根据兴趣区域进行图像识别，可以提升待识别目标的识别准确度。度。度。

Image recognition method, electronic equipment and storage medium

【技术实现步骤摘要】
图像识别方法、电子设备及存储介质


[0001]本申请属于计算机
，尤其涉及图像识别方法、电子设备及存储介质。

技术介绍

[0002]在图像识别领域，通过构建训练样本，利用训练样本对分类模型进行训练，可以得到用于识别图像中的一个或多个目标的图像识别模型。例如，若训练样本中的图像是包括单个目标的单目标图像，则训练得到的图像识别模式是单目标图像识别模型。若训练样本中的图像是包括多个目标的多目标图像，则训练得到的图像识别模型是多目标图像识别模型。对于待识别的多目标图像，可以采用多目标图像识别模型识别图像中的多个目标。但是，训练多目标图像识别模型所采用的训练样本中，每张图像均需要包括多个目标，对于中药等品种庞大的类别来说，构建训练样本的工作量较大，成本较高，对应地构建多目标图像识别模型的难度非常大。若采用单目标图像识别模型识别多目标图像中的多个目标，则准确度较低。

技术实现思路

[0003]有鉴于此，本申请实施例提供了一种图像识别方法，可以解决单目标图像识别模型识别多目标图像时准确度较低的问题。
[0004]本申请实施例的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取多目标图像，所述多目标图像中包括至少两个待识别目标；将所述多目标图像输入图像识别模型，得到所述图像识别模型输出的所述待识别目标的识别结果；其中，所述图像识别模型是以单目标图像为训练样本，对分类模型进行训练得到的；所述图像识别模型包括特征提取网络、区域生成网络以及检测网络；所述特征提取网络用于对所述多目标图像进行卷积，得到包括三级特征图的第一图像金字塔，对所述三级特征图进行特征融合，得到融合后的特征图；所述区域生成网络用于确定所述融合后的特征图的兴趣区域；所述检测网络用于根据所述兴趣区域输出所述待识别目标的识别结果。2.根据权利要求1所述的图像识别方法，其特征在于，所述对所述多目标图像进行卷积，得到包括三级特征图的第一图像金字塔，包括：采用ResNet50网络对所述多目标图像进行卷积，得到第二图像金字塔；将所述第二图像金字塔的第二级特征图、第三级特征图和第四级特征图，分别作为所述第一图像金字塔的第一级特征图、第二级特征图和第三级特征图。3.根据权利要求1所述的图像识别方法，其特征在于，所述对所述三级特征图像进行特征融合，得到融合后的特征图，包括：采用反卷积的方法对第N级特征图进行上采样，得到上采样图像，N＝2、3；将所述上采样图像与第N
‑
1级特征图进行特征融合，得到融合后的特征图。4.根据权利要求1所述的图像识别方法，其特征在于，所述图像识别模型还包括兴趣区域池化网络，所述兴趣区域池化网络用于将所述兴趣区域的尺寸调整为预设尺寸，得到调整尺寸后的兴趣区域；对应地，所述检测网络用于根据所述调整尺寸后的兴趣区域输出所述待识别目标的识...

【专利技术属性】
技术研发人员：蔡占川，姜志宏，叶奔，吕沛伦，张雨晗，刘家正，兰霆，白丽萍，
申请(专利权)人：澳门科技大学，
类型：发明
国别省市：