【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 ...
【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:
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。