【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种目标识别的方法、装置、设备及可读存储介质。
技术介绍
1、随着科技的不断发展，基于卷积神经网络的目标识别算法开始广泛的应用于遥感图像处理、自动驾驶、医学诊断、人脸识别和缺陷检测等领域。在一些常规的目标识别任务中，所需要识别的目标相对于待识别图像往往占比较大，因此易于观察和识别。对于待识别图像为空对地视角下获取的图像，虽然这类待识别图像能够涵盖更大范围内的地面物体，但是地面所需要识别的目标相对于地面整体占比较小，使得目标所携带的可视化信息和有效特征较少，而且有时地面物体数量较多，会呈现出密集分布，积大的影响了目标识别的准确率，因此，亟需一种目标识别方法，以便于在对待识别图像中的弱小目标进行识别时，提升识别准确率。
技术实现思路
1、有鉴于此，本申请提供了一种目标识别的方法、装置、设备及可读存储介质，以便于在进行目标识别时，一定程度上提升对弱小目标的识别准确率。
2、为了实现上述目的，现提出的方案如下：
3、一种目标识别的方法，包括：
4、获取待识别图像；
5、将所述待识别图像输入目标识别模型，得到所述目标识别模型输出的识别结果；
6、其中，所述目标识别模型被配置为，具备对输入的待识别图像进行处理，以提取所述待识别图像中的目标特征和进行特征编码，并基于所述目标特征和特征编码进行融合得到融合特征，基于所述融合特征确定识别结果的能力。
7、可选的，所述对输入的待识别图像进行处理，提取所述
8、利用动态卷积对目标特征进行提取；
9、其中，所述动态卷积为：
10、y＝(αw1eαf1eαc1eαs1ew1+αwneαfneαcneαsnewn)*x
11、其中，x表示输入特征，y表示输出特征，wi表示由cout滤波器组成的第i个卷积核，αwi是卷积核wi的注意标量，αsi，αci，αfi是沿卷积核wi的空间维度、输入通道维度和输出通道维度的注意量，e是沿核空间不同维度的乘法运算。
12、可选的，所述对输入的待识别图像进行处理，进行特征编码，包括：
13、提取最后一层特征图；
14、将特征图划分为s×s个不同区域，每个区域包含预设数量的特征向量；
15、通过线性映射得到q，k，v：
16、q＝xrwq，k＝xrwk，v＝xrwv；
17、其中，q，k，v分别表示查询向量、键向量、值向量，wq，wk，wv分别表示查询向量、键向量、值向量的投影权重；
18、基于q，k构建有向图qr，kr，并计算qr，kr的区域相关性的邻接矩阵ar：
19、ar＝qr(kr)t；
20、基于邻接矩阵ar，只保留每个区域的前k个连接，并得到路由索引矩阵ir：
21、ir＝topkindex(ar)；
22、利用路由索引矩阵ir进行对区域i中的每个查询结果进行标记，确定所有路由区域的键值对，实现特征编码。
23、可选的，所述基于所述目标特征和特征编码进行融合得到融合特征，包括：
24、通过预先设定的方式获取待融合目标特征；
25、基于所述待融合目标特征和特征编码，计算得到尺度特征
26、
27、其中，l是分解尺度特征，k是分解层数；
28、基于所述尺度特征得到融合特征pout。
29、可选的，所述基于所述尺度特征得到融合特征pout，包括：
30、pout＝concat(p1，p2，p3，basicbolck(p1)，(basicbolck(p1))2，(basicbolck(p1)3))
31、其中，conv2()是1×1的卷积，pconv()是3×3的卷积，basicbolck(p1)＝conv1(re pconv(p1))，conv1()是3×3的卷积，(basicbolck(p1))n表示n个basicbolck()连接。
32、可选的，在所述将所述目标特征进行融合得到融合特征后，还包括：
33、利用所述融合特征的底层内容信息，预测上采样核；
34、基于所述上采样核，进行特征重组，对融合特征进行上采样。
35、可选的，所述目标识别模型包括：输入层、特征提取层、特征编码层、特征融合层和目标预测层；
36、所述目标识别模型的训练过程，包括：
37、通过输入层，获取训练图像；
38、通过特征提取层，提取所述训练图像中的目标特征；
39、通过特征编码层，对所述训练图像中的特征进行编码；
40、通过特征融合层，基于所述目标特征和特征编码进行融合得到融合特征；
41、通过目标预测层，基于所述融合特征确定识别结果；
42、以确定的所述识别结果趋近于所述训练图像对应的目标信息标签为训练目标，更新目标识别模型的参数。
43、一种目标识别的装置，包括：
44、图像获取模块，用于获取待识别图像；
45、目标识别模块，用于将所述待识别图像输入目标识别模型，得到所述目标识别模型输出的识别结果；其中，所述目标识别模型被配置为，具备对输入的待识别图像进行处理，以提取所述待识别图像中的目标特征和进行特征编码，并基于所述目标特征和特征编码进行融合得到融合特征，基于所述融合特征确定识别结果的能力。
46、一种电子设备，包括：存储器和处理器；
47、所述存储器，用于存储程序；
48、所述处理器，用于执行所述程序，实现如前述目标识别的方法的各个步骤。
49、一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如前述任一项目标识别的方法的各个步骤。
50、从上述的技术方案可以看出，本申请实施例提供的一种目标识别的方法，包括：获取待识别图像，将待识别图像输入目标识别模型，得到目标识别模型输出的识别结果，其中，目标识别模型被配置为，具备对输入的待识别图像进行处理，以提取待识别图像中的目标特征和进行特征编码，并基于目标特征和特征编码进行融合得到融合特征，基于融合特征确定识别结果的能力。本申请通过对待识别图像中的目标特征进行提取，对特征进行编码，并对目标特征进行融合得到融合特征，保留了更多目标信息，一定程度上提高了对弱小目标的识别准确度。
本文档来自技高网...【技术保护点】
1.一种目标识别的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对输入的待识别图像进行处理，提取所述待识别图像中的目标特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对输入的待识别图像进行处理，进行特征编码，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征和特征编码进行融合得到融合特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述尺度特征得到融合特征Pout，包括：
6.根据权利要求1-5所述的方法，其特征在于，在所述将所述目标特征进行融合得到融合特征后，还包括：
7.根据权利要求1所述的方法，其特征在于，所述目标识别模型包括：输入层、特征提取层、特征编码层、特征融合层和目标预测层；
8.一种目标识别的装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器和处理器；
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7任一项目标
...【技术特征摘要】
1.一种目标识别的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对输入的待识别图像进行处理，提取所述待识别图像中的目标特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对输入的待识别图像进行处理，进行特征编码，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征和特征编码进行融合得到融合特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述尺度特征得到融合特征pout，包括：
...
【专利技术属性】
技术研发人员：吕胜，苏璟，毕舒心，李俊武，张炳星，苏鑫，苏翠芳，田晓虹，陈尧，高博雯，
申请(专利权)人：北京航天新立科技有限公司，
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。