图像识别方法、装置、计算设备和存储介质制造方法及图纸

本发明专利技术提供图像识别方法、装置、计算设备和存储介质，图像识别方法包括：获取目标识别任务，目标识别任务包括任务类型和待识别图像；基于任务类型，从多个预先训练的任务组件中选择目标任务组件；组装基础组件和目标任务组件，获得目标识别模型，基础组件和多个预先训练的任务组件基于不同识别任务的任务样本训练得到，不同识别任务共享同一基础组件；将待识别图像输入目标识别模型，获得对待识别图像中目标对象的识别结果。通过使用不同识别任务共享的基础组件，使得在进行任务识别时，可以使用基础组件输出的特征，在目标识别任务对应的目标任务组件中进行处理，避免了在对不同识别任务进行处理时，进行基础组件对应处理功能的资源重复消耗。能的资源重复消耗。能的资源重复消耗。

【技术实现步骤摘要】
图像识别方法、装置、计算设备和存储介质


[0001]本专利技术涉及机器人控制
，特别涉及一种图像识别方法。本专利技术同时涉及一种图像识别装置、一种计算设备，以及一种计算机可读存储介质。

技术介绍

[0002]目前，智能驾驶蓬勃发展，无人车无论是在无人的仓储环境还是在人机混合的工厂环境、车间环境应用越来越广泛。
[0003]在对无人车进行应用时，通常是使无人车按照设定的路径行驶以执行任务，无人车对于路径的识别，主要是通过识别周围的环境，以确定行驶方向，比如，在行驶过程中，需要识别地上的标线确定行驶路径，识别障碍物、行人以进行避障。
[0004]为保证行驶安全，无人车对采集到的环境图像，需要进行多次识别，比如，在行驶过程中，需要对采集到的图像分别对地上的标线、障碍物和行人进行识别，以保证无人车的安全行驶，但是对图像进行识别需要消耗大量的资源，若对每个待识别物都进行一次识别，消耗的资源呈线性增长，因此，亟需一种减少对环境中的待识别物进行识别所消耗的资源量的方法。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种图像识别方法，以解决现有技术中存在的技术缺陷。本专利技术实施例同时提供了一种图像识别装置，一种计算设备，以及一种计算机可读存储介质。
[0006]根据本专利技术实施例的第一方面，提供了一种图像识别方法，包括：
[0007]获取目标识别任务，其中，目标识别任务包括任务类型和待识别图像；
[0008]基于任务类型，从多个预先训练的任务组件中选择目标任务组件；
[0009]组装基础组件和目标任务组件，获得目标识别模型，其中，基础组件和多个预先训练的任务组件基于不同识别任务的任务样本训练得到，不同识别任务共享同一基础组件；
[0010]将待识别图像输入目标识别模型，获得对待识别图像中目标对象的识别结果。
[0011]根据本专利技术实施例的第二方面，提供了一种图像识别装置，包括：
[0012]获取模块，被配置为获取目标识别任务，其中，目标识别任务包括任务类型和待识别图像；
[0013]选择模块，被配置为基于任务类型，从多个预先训练的任务组件中选择目标任务组件；
[0014]组装模块，被配置为组装基础组件和目标任务组件，获得目标识别模型，其中，基础组件和多个预先训练的任务组件基于不同识别任务的任务样本训练得到，不同识别任务共享同一基础组件；
[0015]输入模块，被配置为将待识别图像输入目标识别模型，获得对待识别图像中目标对象的识别结果。
[0016]根据本专利技术实施例的第三方面，提供了一种计算设备，包括：
[0017]存储器和处理器；
[0018]所述存储器用于存储计算机可执行指令，所述处理器执行所述计算机可执行指令时实现所述图像识别方法的步骤。
[0019]根据本专利技术实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述图像识别方法的步骤。
[0020]本专利技术提供的图像识别方法，获取目标识别任务，其中，目标识别任务包括任务类型和待识别图像；基于任务类型，从多个预先训练的任务组件中选择目标任务组件；组装基础组件和目标任务组件，获得目标识别模型，其中，基础组件和多个预先训练的任务组件基于不同识别任务的任务样本训练得到，不同识别任务共享同一基础组件；将待识别图像输入目标识别模型，获得对待识别图像中目标对象的识别结果。在获取到目标识别任务时，根据目标识别任务包括的任务类型，从多个预先训练的任务组件中获取目标任务组件，将目标任务组件与不同识别任务共享的基础组件进行组装，获得目标识别模型，对目标识别任务中的待识别图像进行识别，获得识别结果，也即通过使用不同识别任务共享的基础组件，使得在进行任务识别时，可以使用基础组件输出的特征，并在目标任务组件中进行相应处理，避免了在对不同识别任务识别时，进行基础组件对应处理功能使用的资源重复消耗，减少了对识别任务进行识别时的资源消耗。
附图说明
[0021]图1是本专利技术一实施例提供的一种图像识别方法的流程图；
[0022]图2是本专利技术一实施例提供的一种图像识别方法中目标识别模型结构示意图；
[0023]图3A是本专利技术一实施例提供的一种图像识别方法的处理流程图；
[0024]图3B是本专利技术一实施例提供的一种图像识别方法中目标识别模型的训练示意图；
[0025]图3C是本专利技术一实施例提供的一种图像识别方法中图像识别示意图；
[0026]图3D是本专利技术一实施例提供的一种图像识别方法中目标识别模型的更新训练示意图；
[0027]图4是本专利技术一实施例提供的一种图像识别装置的结构示意图；
[0028]图5是本专利技术一实施例提供的一种计算设备的结构框图。
具体实施方式
[0029]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施的限制。
[0030]在本专利技术一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术一个或多个实施例。在本专利技术一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本专利技术一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0031]应当理解，尽管在本专利技术一个或多个实施例中可能采用术语第一、第二等来描述
各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。
[0032]首先，对本专利技术一个或多个实施例涉及的名词术语进行解释。
[0033]自主移动机器人(AMR，Autonomous Mobile Robot)：“广义”上是指自主性很强的移动机器人。
[0034]目前，智能驾驶蓬勃发展，无人车无论是在无人的仓储环境还是在人机混合的工厂环境、车间环境应用越来越广泛。
[0035]在对无人车进行应用时，通常是使无人车按照设定的路径行驶以执行任务，无人车对于路径的识别，主要是通过识别周围的环境，以确定行驶方向，比如，在行驶过程中，需要识别地上的标线确定行驶路径，识别障碍物、行人以进行避障。
[0036]为保证行驶安全，无人车对采集到的环境图像，需要进行多次识别，比如，在行驶过程中，需要对采集到的图像分别对地上的标线、障碍物和行人进行识别，以保证无人车的安全行驶，但是对图像进行识别需要消耗大量的资源，若对每个待识别物都进行一次识别，消耗的资源呈线性增长；并且，每次识别对应的识别任务无法利用其他识别任务的信息来辅助检测，导致对图像进行识别具有一定的局限性。
[0037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：获取目标识别任务，其中，所述目标识别任务包括任务类型和待识别图像；基于所述任务类型，从多个预先训练的任务组件中选择目标任务组件；组装基础组件和所述目标任务组件，获得目标识别模型，其中，所述基础组件和所述多个预先训练的任务组件基于不同识别任务的任务样本训练得到，不同识别任务共享同一所述基础组件；将所述待识别图像输入所述目标识别模型，获得对所述待识别图像中目标对象的识别结果。2.根据权利要求1所述的方法，其特征在于，所述任务类型为多个；所述基于所述任务类型，从多个预先训练的任务组件中选择目标任务组件，包括：基于各任务类型，从多个预先训练的任务组件中选择所述各任务类型分别对应的目标任务组件；所述组装基础组件和所述目标任务组件，获得目标识别模型，包括：将基础组件和各所述目标任务组件进行组装，获得目标识别模型。3.根据权利要求2所述的方法，其特征在于，所述将基础组件和各所述目标任务组件进行组装，获得目标识别模型，包括：将各所述目标任务组件并联，得到目标任务组件集；将基础组件与所述目标任务组件集串联，得到目标识别模型。4.根据权利要求3所述的方法，其特征在于，所述将各所述目标任务组件并联，得到目标任务组件集，包括：将同一任务类型对应的至少两个目标任务组件串联，得到目标任务组件子集；将不同任务类型对应的目标任务组件子集并联，得到目标任务组件集。5.根据权利要求1所述的方法，其特征在于，所述目标任务组件包括目标注意力单元和目标任务头单元；所述基于所述任务类型，从多个预先训练的任务组件中选择目标任务组件，包括：基于所述任务类型，从预先训练的注意力单元和任务头单元中，选择所述任务类型对应的目标注意力单元和目标任务头单元，得到目标任务组件。6.根据权利要求5所述的方法，其特征在于，所述将所述待识别图像输入所述目标识别模型，获得对所述待识别图像中目标对象的识别结果，包括：将所述待识别图像输入所述目标识别模型，经所述基础组件提取基础图像特征；根据所述基础图像特征和所述目标注意力单元，计算加权图像特征；经所述目标任务头单元对所述加权图像特征进行识别运算，获得对所述待识别图像中目标对象的识别结果。7.根据权利要求1所述的方法，其特征在于，在所述基于所述任务类型，从多个预先训练的任务组件中选择目标任务组件之前，还包括：获取不同识别任务对应的样本集，其中，所述样本集包括多个样本图像，所述样本图像携带对应识别任务下的对象标签；利用所述多个样本图像及对应的对象标签，对初始的识别模型进行训练，得到训练后的基础组件和任务组件，其中，所述识别模型包括所述基础组件和不同识别任务分别对应
的任务组件。8.根据权利要求7所述的方法，其特征在于，所述利用所述多个样本图像及对应的对象标签，对初始的识别模型进行训练，得到训练后的基础组件和任务组件，包括：提取第一样本图像，其中，所述第一样本图像为任一样本集中的任一样本图像；将所述第一样本图像输入初始的识别模型，经所述基础组件提取第一基础图像特征；经针对所述第一样本图像的识别任务对应的第一任务组件，对所述第一基础图像特征进行识别运算，获得对所述第一样本图像的第一预测识别结果；基于所述第一预测识别结果和第一对象标签，计算第一损失值，其中，所述第一对象标签为所述第一样本图像携带的对象标签；基于所述第一损失值，对所述基础组件和所述第一任务组件的参数进行调整，并返回执行所述提取第一样本图像的步骤，直至达到训练停止条件，获得训练后的所述基础组件和任务组件。9.根据权利要求8所述的方法，其特征在于，所述任务组件包括注意力单元和任务头单元；...

【专利技术属性】
技术研发人员：孙志雄，陈超，
申请(专利权)人：北京极智嘉科技股份有限公司，
类型：发明
国别省市：