[發(fā)明專(zhuān)利]基于家具圖像的物體識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011418284.8
• 申請(qǐng)日: 2020-12-07
• 公開(kāi)（公告）號(hào): CN112465053A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 王國(guó)彬;牟錕倫;周煉鋒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市彬訊科技有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎專(zhuān)利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 張小燕

1.一種基于家具圖像的物體識(shí)別方法，其特征在于，所述方法包括：

獲取待識(shí)別家具圖像；

將所述待識(shí)別家具圖像輸入預(yù)先訓(xùn)練好的Resnet殘差網(wǎng)絡(luò)中，以獲取1*2048的特征向量；

將所述1*2048的特征向量進(jìn)行一維化并輸入全連接層，以獲取所述待識(shí)別家具圖像的圖像特征；

將所述圖像特征輸入Softmax分類(lèi)器網(wǎng)絡(luò)中，以獲取所述待識(shí)別家具圖像的分類(lèi)結(jié)果。

2.如權(quán)利要求1所述的物體識(shí)別方法，其特征在于，所述將所述圖像特征輸入Softmax分類(lèi)器網(wǎng)絡(luò)中，以獲取所述待識(shí)別家具圖像的分類(lèi)結(jié)果，包括：

通過(guò)所述Softmax分類(lèi)器對(duì)所述圖像特征進(jìn)行分類(lèi)，獲取最大概率值對(duì)應(yīng)的標(biāo)簽；

將所述最大概率值對(duì)應(yīng)的標(biāo)簽作為目標(biāo)物體標(biāo)簽；

根據(jù)所述目標(biāo)物體標(biāo)簽確定所述待識(shí)別家具圖像的分類(lèi)結(jié)果。

3.如權(quán)利要求2所述的物體識(shí)別方法，其特征在于，所述根據(jù)所述目標(biāo)物體標(biāo)簽確定所述待識(shí)別家具圖像的分類(lèi)結(jié)果，包括：

獲取預(yù)先建立的物體標(biāo)簽與家具物體名稱(chēng)的關(guān)聯(lián)關(guān)系表；

在所述關(guān)聯(lián)關(guān)系表中，獲取與所述目標(biāo)物體標(biāo)簽對(duì)應(yīng)的家具物體名稱(chēng)；

根據(jù)所述家具物體名稱(chēng)確定所述待識(shí)別家具圖像的分類(lèi)結(jié)果。

4.如權(quán)利要求1-3任一項(xiàng)所述的物體識(shí)別方法，其特征在于，在所述獲取待識(shí)別家具圖像之前，所述方法還包括：

基于卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建Resnet殘差網(wǎng)絡(luò)；

獲取不同種類(lèi)的家具圖像樣本，并將所述不同種類(lèi)的家具圖像樣本輸入所述Resnet殘差網(wǎng)絡(luò)中；

在所述Resnet殘差網(wǎng)絡(luò)中對(duì)所述不同種類(lèi)的家具圖像樣本進(jìn)行訓(xùn)練，以獲取所述預(yù)先訓(xùn)練好的Resnet殘差網(wǎng)絡(luò)。

5.如權(quán)利要求1-3任一項(xiàng)所述的物體識(shí)別方法，其特征在于，所述將所述待識(shí)別家具圖像輸入預(yù)先訓(xùn)練好的Resnet殘差網(wǎng)絡(luò)中，包括：

對(duì)所述待識(shí)別家具圖像進(jìn)行圖像預(yù)處理，得到預(yù)處理圖像；

將所述預(yù)處理圖像進(jìn)行歸一化處理，得到待識(shí)別圖像；

將所述待識(shí)別圖像輸入所述預(yù)先訓(xùn)練好的Resnet殘差網(wǎng)絡(luò)中。

6.如權(quán)利要求1-3任一項(xiàng)所述的物體識(shí)別方法，其特征在于，所述Resnet殘差網(wǎng)絡(luò)為Resnet50殘差網(wǎng)絡(luò)。

7.一種物體識(shí)別裝置，其特征在于，所述物體識(shí)別裝置包括：

第一獲取模塊，用于獲取待識(shí)別家具圖像；

第二獲取模塊，用于將所述待識(shí)別家具圖像輸入預(yù)先訓(xùn)練好的Resnet殘差網(wǎng)絡(luò)中，以獲取1*2048的特征向量；

第三獲取模塊，用于將所述1*2048的特征向量進(jìn)行一維化并輸入全連接層，以獲取所述待識(shí)別家具圖像的圖像特征；

第四獲取模塊，用于將所述圖像特征輸入Softmax分類(lèi)器網(wǎng)絡(luò)中，以獲取所述待識(shí)別家具圖像的分類(lèi)結(jié)果。

8.如權(quán)利要求7所述的物體識(shí)別裝置，其特征在于，所述第四獲取模塊，還用于：

通過(guò)所述Softmax分類(lèi)器對(duì)所述圖像特征進(jìn)行分類(lèi)，獲取最大概率值對(duì)應(yīng)的標(biāo)簽；

將所述最大概率值對(duì)應(yīng)的標(biāo)簽作為目標(biāo)物體標(biāo)簽；

根據(jù)所述目標(biāo)物體標(biāo)簽確定所述待識(shí)別家具圖像的分類(lèi)結(jié)果。

9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述方法的步驟。