[發(fā)明專利]目標識別方法、裝置、設備和存儲介質

有效

• 申請?zhí)枺?/td>: 202010133440.X
• 申請日: 2020-03-02
• 公開（公告）號: CN110991568B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設計）人: 吳志偉;李德紘;張少文;馮琰一
• 申請（專利權）人: 佳都新太科技股份有限公司;廣州新科佳都科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京權智天下知識產(chǎn)權代理事務所(普通合伙) 11638
• 代理人: 王新愛

本發(fā)明實施例公開了一種目標識別方法、裝置、設備和存儲介質，該方法包括將通道特征重激活模塊和細微特征自增強模塊嵌入神經(jīng)網(wǎng)絡結構中生成第一網(wǎng)絡模型；將梯度增強交叉熵損失函數(shù)連接所述第一網(wǎng)絡模型生成第二網(wǎng)絡模型；基于小批量隨機梯度下降算法對所述第二網(wǎng)絡模型進行訓練；將訓練完畢的第二網(wǎng)絡模型進行修改得到推理網(wǎng)絡模型；將圖像輸入所述推理網(wǎng)絡模型得到目標識別結果。本方案能夠學習識別出更多細微特征，提高了目標識別的準確率。

技術領域

本申請實施例涉及計算機領域，尤其涉及一種目標識別方法、裝置、設備和存儲介質。

背景技術

目標識別指一個特殊目標（或一種類型的目標）從其它目標（或其它類型的目標）中被區(qū)分出來的過程。它既包括兩個非常相似目標的識別，也包括一種類型的目標同其他類型目標的識別。隨著計算機技術的不斷發(fā)展，目標識別的應用范圍也越來越廣泛，如對汽車的車型、花草植物和鳥類等目標進行識別。

現(xiàn)有技術中，可通過對圖像進行目標識別以得到對應的目標物，然而現(xiàn)有的目標識別方式中，針對細微特征較多的情況，如對包含多張人臉、多種車型的圖像進行目標識別時，無法進行高效、準確的識別，由此也導致了一系列問題的產(chǎn)生，特別在社會突發(fā)狀況例如疫情高發(fā)、公共安全事件等情況下，需要從眾多圖像中精準識別出高危人員例如確定疑似或確診病人、重點車輛的行動軌跡進行預警和跟蹤，此時如何高效、準確的進行目標識別至關重要。

發(fā)明內容

本發(fā)明實施例提供了一種目標識別方法、裝置、設備和存儲介質，能夠學習識別出更多細微特征，提高了目標識別的準確率。

第一方面，本發(fā)明實施例提供了一種目標識別方法，該方法包括：

將通道特征重激活模塊和細微特征自增強模塊嵌入神經(jīng)網(wǎng)絡結構中生成第一網(wǎng)絡模型；

將梯度增強交叉熵損失函數(shù)連接所述第一網(wǎng)絡模型生成第二網(wǎng)絡模型；

基于小批量隨機梯度下降算法對所述第二網(wǎng)絡模型進行訓練；

將訓練完畢的第二網(wǎng)絡模型進行修改得到推理網(wǎng)絡模型；

將圖像輸入所述推理網(wǎng)絡模型得到目標識別結果。

可選的，將通道特征重激活模塊和細微特征自增強模塊嵌入神經(jīng)網(wǎng)絡結構中生成第一網(wǎng)絡模型，包括：

通過通道特征重激活模塊對神經(jīng)網(wǎng)絡結構中輸出的特征圖按通道重新分配權重；

通過細微特征自增強模塊對通道特征重激活模塊中輸出的特征圖的非顯著特征進行增強，對顯著特征進行抑制。

可選的，所述通過通道特征重激活模塊對神經(jīng)網(wǎng)絡結構中輸出的特征圖按通道重新分配權重，包括：

對神經(jīng)網(wǎng)絡結構中輸出的特征圖在空間層面進行壓縮得到壓縮后的特征；

對所述壓縮后的特征進行重激活，得到激活后的權重；

對輸入的特征圖按通道乘以所述激活后的權重。

可選的，所述細微特征自增強模塊包括增強掩模和抑制掩模，所述通過細微特征自增強模塊對通道特征重激活模塊中輸出的特征圖的非顯著特征進行增強，對顯著特征進行抑制，包括：

根據(jù)增強掩模對通道特征重激活模塊中輸出的特征圖的非顯著特征對應的區(qū)域進行增強；

根據(jù)抑制掩模對通道特征重激活模塊中輸出的特征圖的顯著特征對應的區(qū)域進行抑制。

可選的，所述將通道特征重激活模塊和細微特征自增強模塊嵌入神經(jīng)網(wǎng)絡結構中生成第一網(wǎng)絡模型，包括：

刪除殘差網(wǎng)絡的全局池化層，將最后一層全連接層修改為卷積核大小為1x1、通道數(shù)為C的卷積層，得到特征圖；