目标物的识别方法、装置、电子设备及存储介质制造方法及图纸

本申请是关于一种目标物的识别方法、装置、电子设备及存储介质，该方法包括：将包含目标物的第一图像输入边缘检测模型，得到边缘检测模型输出的第二图像；边缘检测模型包括编码器和解码器，编码器包括多层卷积层，每层卷积层用于提取接收到的待处理图像在当前层级对应的语义特征，并将当前层级对应的语义特征输出至与当前卷积层相连接的下一卷积层以及解码器；解码器用于将不同层级的语义特征进行融合。本申请提供的方案，通过边缘检测模型中编码器利用多层卷积层从多个层级提取语义特征，解码器将不同层级的语义特征进行融合，可实现对多层级特征的融合分析，充分获取第一图像的语义信息，提高了目标物识别结果的准确性和可靠性。靠性。靠性。

【技术实现步骤摘要】
目标物的识别方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种目标物的识别方法、装置、电子设备及存储介质。

技术介绍

[0002]在图像处理领域，常常需要对图像中的目标物进行识别，目标物的识别精度将直接影响后续处理结果的精确度。
[0003]相关技术中，目标物的识别任务一般通过图像分类算法实现，比如SVC(Support Vector Machine，支持向量机)、CNN(Convolutional Neural Networks，卷积神经网络)以及决策树算法等分类算法。由于上述图像分类算法无法实现对输入图像中多层级特征的融合分析，导致目标识别过程中无法充分获取输入图像的语义信息，使得最终得到的目标识别结果准确性较低。
[0004]可以看出，相关技术中，目标物的识别过程存在识别结果准确性低的技术问题。

技术实现思路

[0005]为克服相关技术中存在的问题，本申请提供一种目标物的识别方法、装置、电子设备及存储介质，该目标物的识别方法，能够充分获取输入图像的语义信息，实现准确的目标识别。
[0006]本申请第一方面提供一种目标物的识别方法，该方法包括：
[0007]将包含目标物的第一图像输入边缘检测模型，得到所述边缘检测模型输出的第二图像，其中，所述第二图像包括对所述第一图像中目标物进行标记的识别结果；
[0008]其中，所述边缘检测模型包括编码器和解码器，所述编码器包括多层卷积层，每层所述卷积层用于提取接收到的待处理图像在当前层级对应的语义特征，并将当前层级对应的语义特征输出至与当前卷积层相连接的下一卷积层以及所述解码器；所述解码器用于将不同层级的所述语义特征进行融合。
[0009]根据本申请提供的目标物的识别方法，所述编码器包括第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第五卷积层，所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第四卷积层和所述第五卷积层顺次连接；
[0010]所述第一卷积层用于提取所述第一图像在第一层级的语义特征，并将所述第一层级的语义特征分别输出至所述第二卷积层和所述解码器；
[0011]所述第二卷积层用于基于所述第一层级的语义特征提取所述第一图像在第二层级的语义特征，并将所述第二层级的语义特征分别输出至所述第三卷积层和所述解码器；
[0012]所述第三卷积层用于基于所述第二层级的语义特征提取所述第一图像在第三层级的语义特征，并将所述第三层级的语义特征分别输出至所述第四卷积层和所述解码器；
[0013]所述第四卷积层用于基于所述第三层级的语义特征提取所述第一图像在所述第四层级的语义特征，并将所述第四层级的语义特征分别输出至所述第五卷积层和所述解码
器；
[0014]所述第五卷积层用于基于所述第四层级的语义特征提取所述第一图像在所述第五层级的语义特征，并将所述第五层级的语义特征输出至所述解码器。
[0015]根据本申请提供的目标物的识别方法，所述解码器包括多层反卷积层，所述多层反卷积层顺次连接；
[0016]每层所述反卷积层用于将接收到的至少一个层级的所述语义特征进行融合，得到融合特征，并将所述融合特征传递至下一层的所述反卷积层，直至输出所述第二图像。
[0017]根据本申请提供的目标物的识别方法，在所述编码器包括五层卷积层的情况下，所述解码器包括第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层以及第五反卷积层，所述第一反卷积层、所述第二反卷积层、所述第三反卷积层、所述第四反卷积层以及所述第五反卷积层顺次连接；
[0018]所述第一反卷积层用于将所述编码器提取的第五层级的语义特征传递至所述第二反卷积层；
[0019]所述第二反卷积层用于将所述编码器提取的第二层级、第三层级、第四层级以及第五层级的语义特征进行融合，并将融合得到的融合特征传递至所述第三反卷积层；
[0020]所述第三反卷积层用于将所述编码器提取的第二层级和第三层级的语义特征与所述第二反卷积层传递的融合特征进行融合，并将融合得到的融合特征传递至所述第四反卷积层；
[0021]所述第四反卷积层用于将所述编码器提取的第二层级的语义特征与所述第三反卷积层传递的融合特征进行融合，并将融合得到的融合特征传递至所述第五反卷积层；
[0022]所述第五反卷积层用于将所述编码器提取的第一层级的语义特征与所述第四反卷积层传递的融合特征进行融合，输出所述第二图像。
[0023]根据本申请提供的目标物的识别方法，所述边缘检测模型通过如下过程训练得到：
[0024]基于获取到的图像样本和标签信息，生成样本数据；
[0025]将所述样本数据分为训练数据和测试数据，并将所述训练数据和所述测试数据存储至样本数据库；
[0026]从所述样本数据库中调取所述训练数据和所述测试数据，通过所述训练数据对预先构建的边缘检测网络进行训练，并通过所述测试数据对训练完成的所述边缘检测网络进行测试，得到所述边缘检测模型。
[0027]根据本申请提供的目标物的识别方法，在将所述样本数据分为训练数据和测试数据之前，还包括：
[0028]当确定所述样本数据中存在异常数据后，对所述异常数据进行更正；
[0029]其中，所述异常数据为所述图像样本对应的标签信息错误的数据。
[0030]本申请第二方面还提供一种目标物的识别装置，该装置包括：
[0031]处理模块，用于将捕获的包含目标物的第一图像输入边缘检测模型，得到所述边缘检测模型输出的第二图像，其中，所述第二图像包括对所述第一图像中目标物进行标记的识别结果；
[0032]其中，所述边缘检测模型包括编码器和解码器，所述编码器包括多层卷积层，每层
所述卷积层用于提取接收到的待处理图像在当前层级对应的语义特征，并将当前层级对应的语义特征输出至与当前卷积层相连接的下一卷积层以及所述解码器；所述解码器用于将接收到的不同层级的所述语义特征进行融合。
[0033]根据本申请提供的目标物的识别装置，所述解码器包括多层反卷积层，所述多层反卷积层顺次连接；
[0034]每层所述反卷积层用于将接收到的至少一个层级的所述语义特征进行融合，得到融合特征，并将所述融合特征传递至下一层的所述反卷积层，直至输出第二图像。
[0035]本申请第三方面提供一种电子设备，包括：
[0036]处理器；以及
[0037]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
[0038]本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
[0039]本申请提供的技术方案可以包括以下有益效果：
[0040]通过将捕获的包含目标物的第一图像输入边缘检测模型，可以直接得到包含目标物的识别结果的第二图像，由于边缘检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物的识别方法，其特征在于，包括：将包含目标物的第一图像输入边缘检测模型，得到所述边缘检测模型输出的第二图像，其中，所述第二图像包括对所述第一图像中目标物进行标记的识别结果；其中，所述边缘检测模型包括编码器和解码器，所述编码器包括多层卷积层，每层所述卷积层用于提取接收到的待处理图像在当前层级对应的语义特征，并将当前层级对应的语义特征输出至与当前卷积层相连接的下一卷积层以及所述解码器；所述解码器用于将接收到的不同层级的所述语义特征进行融合。2.根据权利要求1所述的目标物的识别方法，其特征在于，所述编码器包括第一卷积层、第二卷积层、第三卷积层、第四卷积层以及第五卷积层，所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第四卷积层和所述第五卷积层顺次连接；所述第一卷积层用于提取所述第一图像在第一层级的语义特征，并将所述第一层级的语义特征分别输出至所述第二卷积层和所述解码器；所述第二卷积层用于基于所述第一层级的语义特征提取所述第一图像在第二层级的语义特征，并将所述第二层级的语义特征分别输出至所述第三卷积层和所述解码器；所述第三卷积层用于基于所述第二层级的语义特征提取所述第一图像在第三层级的语义特征，并将所述第三层级的语义特征分别输出至所述第四卷积层和所述解码器；所述第四卷积层用于基于所述第三层级的语义特征提取所述第一图像在所述第四层级的语义特征，并将所述第四层级的语义特征分别输出至所述第五卷积层和所述解码器；所述第五卷积层用于基于所述第四层级的语义特征提取所述第一图像在所述第五层级的语义特征，并将所述第五层级的语义特征输出至所述解码器。3.根据权利要求1所述的目标物的识别方法，其特征在于，所述解码器包括多层反卷积层，所述多层反卷积层顺次连接；每层所述反卷积层用于将接收到的至少一个层级的所述语义特征进行融合，得到融合特征，并将所述融合特征传递至下一层的所述反卷积层，直至输出第二图像。4.根据权利要求3所述的目标物的识别方法，其特征在于，在所述编码器包括五层卷积层的情况下，所述解码器包括第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层以及第五反卷积层，所述第一反卷积层、所述第二反卷积层、所述第三反卷积层、所述第四反卷积层以及所述第五反卷积层顺次连接；所述第一反卷积层用于将所述编码器提取的第五层级的语义特征传递至所述第二反卷积层；所述第二反卷积层用于将所述编码器提取的第二层级、第三层级、第四层级以及第五层级的语义特征进行融合，并将融合得到的融合特征传递至所述第三反卷积层；所述第三反卷积层用于将...

【专利技术属性】
技术研发人员：李宁，朱磊，贾双成，郭杏荣，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：