图像识别方法、图像识别模型的训练方法及装置制造方法及图纸

本申请提供一种图像识别方法、图像识别模型的训练方法及装置，该图像识别模型的训练方法应用于图像识别模型，图像识别模型用于执行图像识别方法，图像识别方法包括：获取待识别图像的第一特征图；根据第一特征图确定第一空间注意力掩码；基于预设矫正参数对第一空间注意力掩码进行矫正，得到第二空间注意力掩码；将第二空间注意力掩码和第一特征图融合，得到第二特征图；基于第二特征图对待识别图像进行识别，得到识别结果。本申请能够避免将特征图不成熟的深层特征的细节被破坏掉，得到的第二特征图能够包含更多特征细节，从而能够提高模型准确性，提高图像识别的准确率。提高图像识别的准确率。提高图像识别的准确率。

【技术实现步骤摘要】
图像识别方法、图像识别模型的训练方法及装置


[0001]本申请主要涉及图像识别
，具体涉及一种图像识别方法、图像识别模型的训练方法及装置。

技术介绍

[0002]近年来图像分类技术愈发成熟，在人脸识别、故障检测等领域取得了杰出的成果，极大地降低了人力成本。然而神经网络解决图像分类任务时依赖大规模且高质量的标注数据，自然环境因素以及图像采集、标注中的人为因素都会对模型性能产生不利影响，从而降低线上推断时的准确性。此外现有的神经网络大多会利用空间注意力掩码对特征图的权重进行修改，在空间注意力掩码和特征图融合时，一般直接对空间注意力掩码和特征图作点乘运算，而空间注意力掩码上的注意力权重大多在0
‑
1之间，随着网络深度的增加空间位置上的注意力会以幂的形式减小，会严重破坏特征的表达能力，导致现有技术中图像识别的准确率不高。
[0003]也即，现有技术中图像识别的准确率不高。

技术实现思路

[0004]本申请提供一种图像识别方法、图像识别模型的训练方法及装置，旨在解决现有技术中图像识别的准确率不高的问题。...

【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，应用于图像识别模型，所述图像识别模型用于执行所述图像识别方法，所述图像识别方法包括：获取待识别图像的第一特征图；根据所述第一特征图确定第一空间注意力掩码；基于预设矫正参数对所述第一空间注意力掩码进行矫正，得到第二空间注意力掩码；将所述第二空间注意力掩码和所述第一特征图融合，得到第二特征图；基于所述第二特征图对所述待识别图像进行识别，得到识别结果。2.根据权利要求1所述的图像识别方法，其特征在于，所述基于预设矫正参数对所述第一空间注意力掩码进行矫正，得到第二空间注意力掩码，包括：将所述第一空间注意力掩码中各个注意力权重分别增加所述预设矫正参数，得到所述第二空间注意力掩码，其中，所述预设矫正参数的取值不小于1且不大于1.3。3.根据权利要求2所述的图像识别方法，其特征在于，所述预设矫正参数的取值为1。4.根据权利要求1
‑
3任意一项所述的图像识别方法，其特征在于，所述根据所述第一特征图确定第一空间注意力掩码，包括：基于第一预设卷积核对所述第一特征图在高度维度上进行平均池化和最大池化，得到高度维度平均池化结果和高度维度最大池化结果；基于第二预设卷积核对所述第一特征图在宽度维度上进行平均池化和最大池化，得到宽度维度平均池化结果以及宽度维度最大池化结果；根据所述高度维度平均池化结果、所述高度维度最大池化结果、所述宽度维度平均池化结果以及所述宽度维度最大池化结果确定所述第一特征图的通道注意力掩码；根据所述通道注意力掩码和所述第一特征图确定第三特征图；根据所述第三特征图确定所述第一空间注意力掩码。5.根据权利要求4所述的图像识别方法，其特征在于，所述根据所述通道注意力掩码和所述第一特征图确定第三特征图，包括：将所述第一特征图分别进行batchnorm操作、mish函数激活操作以及卷积操作，得到第四特征图；对所述第一特征图和所述第四特征图融合，得到第五特征图；基于所述通道注意力掩码对所述第五特征图进行加权，得到所述第三特征图。6.一种图像识别模型的训练方法，其特征在于，所述图像识别模型为权利要求1
‑
5任意一项所述的图像识别模型，所述图像识别模型的训练方法包括：获取第一图像训练集，其中，所述第一图像训练集包括多个第一训练样本和对应的样本标签；将所述第一图像训练集划分为多个第二图像训练...

【专利技术属性】
技术研发人员：岳阳雪，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：