图像识别方法、装置、设备及可读存储介质制造方法及图纸

本申请属于通信技术领域，具体涉及一种图像识别方法、装置、设备及可读存储介质，方法，包括：将第一图像输入第一特征提取网络，得到第一特征；将所述第一特征输入置信度估计网络，得到置信度；将第二图像输入第二特征提取网络，得到第二特征；根据所述第一特征、所述置信度、所述第二特征和目标图像的特征，计算目标相似度；在所述目标相似度大于或等于第一预设门限的情况下，确定所述目标图像为识别结果；其中，所述第一图像与所述第二图像为不同模态的图像。

【技术实现步骤摘要】

本申请属于通信，具体涉及一种图像识别方法、装置、设备及可读存储介质。

技术介绍

1、现有基于模态融合的图像识别方法是在特征层面上进行，需要针对红绿蓝(red-green-blue，rgb)图和深度图提取到的特征进行额外的损失约束，以实现更好地模态融合。但是这也意味着网络必须在配对的深度图像和rgb图像的数据集上训练。然而，配对的深度图像和rgb图像数据集是稀少的。仅凭这些数据难以训练出图像识别性能高的网络。另一方面，特征层面的融合依赖于增加全连接层，会大大增加模型的参数和计算量，增大过拟合风险，减慢模型的推理速度。

技术实现思路

1、本申请实施例提供一种图像识别方法、装置、设备及可读存储介质，能够解决现有图像识别方法对数据要求较高，且模型计算量较大，识别速度较慢的问题。

2、第一方面，提供了一种图像识别方法，包括：

3、将第一图像输入第一特征提取网络，得到第一特征；

4、将所述第一特征输入置信度估计网络，得到置信度；

5、将第二图像输入第二特征提取网络，得到第二本文档来自技高网...

【技术保护点】

1.一种图像识别方法，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，所述根据所述第一特征、所述置信度、所述第二特征和目标图像的特征，计算相似度，包括：

3.根据权利要求1所述的方法，其特征在于，所述第一特征提取网络中包含多个第一卷积块、多个最大池化层和多尺度特征融合MSFF模块，所述将第一图像输入第一特征提取网络得到第一特征，包括：

4.根据权利要求1所述的方法，其特征在于，在所述根据所述第一特征、所述置信度、所述第二特征和目标图像的特征，计算目标相似度之前，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述根...

【技术特征摘要】

1.一种图像识别方法，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，所述根据所述第一特征、所述置信度、所述第二特征和目标图像的特征，计算相似度，包括：

3.根据权利要求1所述的方法，其特征在于，所述第一特征提取网络中包含多个第一卷积块、多个最大池化层和多尺度特征融合msff模块，所述将第一图像输入第一特征提取网络得到第一特征，包括：

4.根据权利要求1所述的方法，其特征在于，在所述根据所述第一特征、所述置信度、所述第二特征和目标图像的特征，计算目标相似度之前，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一特征和所述置信度计算总损失，包括：

6.根据权利要求1所述的方法，其特征在于，所述第二特征提取网络中包含一个第二卷积块、多个第三卷积块、一个第四卷积块和全局卷积模块，每个所述第三卷积块对应设置残差模块，所述残差模块中包含多个分离卷积层；

7.一种图像识别装置，其特征在于，包括：

8.根据权利要求7所述的装置，其特...

【专利技术属性】
技术研发人员：王珂，陈茜，黄文辉，邓超，冯俊兰，
申请(专利权)人：中国移动通信有限公司研究院，
类型：发明
国别省市：