【技术实现步骤摘要】
本专利技术涉及计算机图像识别处理，特别是一种基于特征识别的图像目标识别方法及系统。
技术介绍
1、在现代图像处理和计算机视觉领域，特别是在动态且复杂的环境下进行高效准确的目标检测和识别，一直是一个具有挑战性的技术问题，传统的目标检测方法，如基于特征工程的方法或是早期的深度学习模型，虽然在一定程度上取得了成功，但它们通常难以处理图像中的复杂变化，如光照、遮挡、目标尺度变化等，导致目标检测的准确性和鲁棒性受到限制，此外，这些方法往往缺乏对图像中目标之间关系的深层次理解，无法充分利用图像中的上下文信息来优化检测结果，因此，如何有效融合和利用图像特征，以提高目标检测的性能，成为了亟需解决的技术问题。
2、本方案通过引入一种结合变分自编码器(vae)、全卷积网络(fcn)和图注意力网络(gat)的混合型神经网络模型，旨在解决上述技术问题，该方案的核心在于利用vae学习图像的深层次潜在表示，利用fcn进行精确的像素级目标识别，以及通过gat动态地融合这些特征并优化特征之间的权重分配。这种创新的特征融合方法能够更好地捕捉图像中的关键信息并...
【技术保护点】
1.一种基于特征识别的图像目标识别方法，其特征在于：包括，
2.如权利要求1所述的基于特征识别的图像目标识别方法，其特征在于：所述收集多源图像数据包括公开数据集、光照变化和目标类别，所述初步处理包括数据清洗、数据标注、数据增强和特征提取。
3.如权利要求2所述的基于特征识别的图像目标识别方法，其特征在于：所述数据清洗指采用自动化脚本识别和删除重复、模糊或损坏的图像文件，所述数据标注指采用半自动化工具辅助进行图像标注，标注对象的类别和位置，所述数据增强指利用生成对抗网络生成的合成图像丰富数据集，所述特征提取为选择基于变分自编码器和卷积神经网络的混
【技术特征摘要】
1.一种基于特征识别的图像目标识别方法，其特征在于：包括，
2.如权利要求1所述的基于特征识别的图像目标识别方法，其特征在于：所述收集多源图像数据包括公开数据集、光照变化和目标类别，所述初步处理包括数据清洗、数据标注、数据增强和特征提取。
3.如权利要求2所述的基于特征识别的图像目标识别方法，其特征在于：所述数据清洗指采用自动化脚本识别和删除重复、模糊或损坏的图像文件，所述数据标注指采用半自动化工具辅助进行图像标注，标注对象的类别和位置，所述数据增强指利用生成对抗网络生成的合成图像丰富数据集，所述特征提取为选择基于变分自编码器和卷积神经网络的混合模型。
4.如权利要求3所述的基于特征识别的图像目标识别方法，其特征在于：所述自适应特征融合模型结合vae、fcn和gat，并引入基于性能反馈的自适应学习率调整机制的公式表示为：
5.如权利要求4所述的基于特征识别的图像目标识别方法，其特征在于：所述增强关键特征为使用vae从输出的图像中提取特征表示后使用fcn对特征进行像素级的目标识别和语义分割，使用gat将vae和fcn提取的特征进行动态融合。
6.如权利要...
【专利技术属性】
技术研发人员：黄春，尹晶晶，常晴晴，张海英，张春琴，许敬军，
申请(专利权)人：南京奕珠科技有限公司，
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。