System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,特别涉及一种基于多阶段特征融合的食物识别方法。
技术介绍
1、目前,已有采用神经网络进行图像特征提取进而进行图像中目标识别的方式,但是,现有的图像特征提取主要是通过卷积层堆叠进行特征提取,并且每一层都通过对前一层继续进行变换,使得提取的特征从低层次到高层次,并且逐渐变得抽象,无法很好获取到融合的全局性更高的特征,存在局部感知这一缺陷,部分低层次特征在高层次特征中出现了缺失,导致最终识别精度不高。
2、因此,现有技术还有待改进和提高。
技术实现思路
1、针对现有技术的上述缺陷,本专利技术提供一种基于多阶段特征融合的食物识别方法,旨在解决现有技术中从图像中识别目标的精度不高的问题。
2、为了解决上述技术问题,本专利技术所采用的技术方案如下:
3、本专利技术的第一方面,提供一种基于多阶段特征融合的食物识别方法,所述方法包括:
4、获取待处理图像,将所述待处理图像输入至特征提取层,得到至少一个中间特征图和结果特征图;
5、对各个所述中间特征图和所述结果特征图进行结构转化处理,得到各个节点特征矩阵,构建各个所述节点特征矩阵对应的邻接矩阵,将各个所述邻接矩阵输入至图神经网络,得到各个阶段特征;
6、将所述各个阶段特征和所述结果特征图进行融合,得到目标图像特征,基于所述目标图像特征进行食物识别。
7、所述的基于多阶段特征融合的食物识别方法,其中,所述特征提取层包括多个层次提取层,每个层次提
8、所述的基于多阶段特征融合的食物识别方法,其中,所述层次提取层中包括多个残差模块。
9、所述的基于多阶段特征融合的食物识别方法,其中,每个所述层次提取层中的残差模块的数量少于上一个所述层次提取层中的残差模块数量。
10、所述的基于多阶段特征融合的食物识别方法,其中,所述对各个所述中间特征图和所述结果特征图进行结构转化处理,得到各个节点特征矩阵,包括:
11、将各个所述中间特征图分别输入至对应的池化层,得到池化特征图;
12、对于目标特征图,执行如下步骤以对所述目标特征图进行结构转化处理,得到所述目标特征图对应的节点特征矩阵:
13、将所述目标特征图中的每一个局部特征作为一个节点特征,组成所述目标特征图对应的节点特征矩阵;
14、其中,所述目标特征图为所述池化特征图或所述结果特征图,大小为a×b×c的所述目标特征图中的所述局部特征的大小为1×1×c。
15、所述的基于多阶段特征融合的食物识别方法,其中,所述构建各个所述节点特征矩阵对应的邻接矩阵,包括:
16、计算所述节点特征矩阵对应的关联相似度矩阵;
17、对所述关联相似度矩阵进行归一化操作后进行二值化处理,得到所述邻接矩阵。
18、所述的基于多阶段特征融合的食物识别方法,其中,所述基于所述目标图像特征进行食物识别,包括:
19、将所述目标图像特征输入至识别模块中,获取所述识别模块输出的食物识别结果;
20、其中,所述识别模块、所述特征提取层、所述池化层和所述图神经网络的参数基于多组训练数据训练后得到。
21、本专利技术的第二方面,提供一种基于多阶段特征融合的食物识别装置,包括:
22、特征提取模块,用于获取待处理图像,将所述待处理图像输入至特征提取层,得到至少一个中间特征图和结果特征图;
23、特征转化模块,用于对各个所述中间特征图和所述结果特征图进行结构转化处理,得到各个节点特征矩阵,构建各个所述节点特征矩阵对应的邻接矩阵,将各个所述邻接矩阵输入至图神经网络,得到各个阶段特征;
24、特征融合模块,用于将所述各个阶段特征和所述结果特征图进行融合,得到目标图像特征,基于所述目标图像特征进行食物识别。
25、本专利技术的第三方面,提供一种终端,所述终端包括处理器、与处理器通信连接的计算机可读存储介质,所述计算机可读存储介质适于存储多条指令,所述处理器适于调用所述计算机可读存储介质中的指令,以执行实现上述任一项所述的基于多阶段特征融合的食物识别方法的步骤。
26、本专利技术的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一项所述的基于多阶段特征融合的食物识别方法的步骤。
27、与现有技术相比,本专利技术提供了一种基于多阶段特征融合的食物识别方法,通过神经网络提取图像特征的同时,保留特征提取过程中的低层次特征并进行处理后与高层次特征进行融合,实现了利用图像特征提取过程中多阶段的融合特征,能够有效提升图像识别的精度。
本文档来自技高网...【技术保护点】
1.一种基于多阶段特征融合的食物识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于多阶段特征融合的食物识别方法,其特征在于,所述特征提取层包括多个层次提取层,每个层次提取层的输出为所述中间特征图,每个所述层次提取层的输入为上一个所述层次提取层的输出,最后一个层次提取层的输出为所述目标特征图。
3.根据权利要求2所述的基于多阶段特征融合的食物识别方法,其特征在于,所述层次提取层中包括多个残差模块。
4.根据权利要求3所述的基于多阶段特征融合的食物识别方法,其特征在于,每个所述层次提取层中的残差模块的数量少于上一个所述层次提取层中的残差模块数量。
5.根据权利要求1所述的基于多阶段特征融合的食物识别方法,其特征在于,所述对各个所述中间特征图和所述结果特征图进行结构转化处理,得到各个节点特征矩阵,包括:
6.根据权利要求5所述的基于多阶段特征融合的食物识别方法,其特征在于,所述构建各个所述节点特征矩阵对应的邻接矩阵,包括:
7.根据权利要求5所述的基于多阶段特征融合的食物识别方法,其特征在于,所述基
8.一种基于多阶段特征融合的食物识别装置,其特征在于,包括:
9.一种终端,其特征在于,所述终端包括:处理器、与处理器通信连接的计算机可读存储介质,所述计算机可读存储介质适于存储多条指令,所述处理器适于调用所述计算机可读存储介质中的指令,以执行实现上述权利要求1-7任一项所述的基于多阶段特征融合的食物识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7任一项所述的基于多阶段特征融合的食物识别方法的步骤。
...【技术特征摘要】
1.一种基于多阶段特征融合的食物识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于多阶段特征融合的食物识别方法,其特征在于,所述特征提取层包括多个层次提取层,每个层次提取层的输出为所述中间特征图,每个所述层次提取层的输入为上一个所述层次提取层的输出,最后一个层次提取层的输出为所述目标特征图。
3.根据权利要求2所述的基于多阶段特征融合的食物识别方法,其特征在于,所述层次提取层中包括多个残差模块。
4.根据权利要求3所述的基于多阶段特征融合的食物识别方法,其特征在于,每个所述层次提取层中的残差模块的数量少于上一个所述层次提取层中的残差模块数量。
5.根据权利要求1所述的基于多阶段特征融合的食物识别方法,其特征在于,所述对各个所述中间特征图和所述结果特征图进行结构转化处理,得到各个节点特征矩阵,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:叶翔鹏,吴红艳,王如心,
申请(专利权)人:中国科学院深圳先进技术研究院,
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。