[發(fā)明專利]一種圖像識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011520209.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112508975A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 王林武
• 申請（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種圖像識別方法，其特征在于，包括：

獲取待檢測圖像，并確定所述待檢測圖像對應(yīng)的目標(biāo)輪廓框圖像，所述目標(biāo)輪廓框圖像包含至少一個(gè)目標(biāo)輪廓框；

將所述目標(biāo)輪廓框圖像輸入至目標(biāo)分割網(wǎng)絡(luò)模型中，獲得所述目標(biāo)分割網(wǎng)絡(luò)模型輸出的各所述目標(biāo)輪廓框所對應(yīng)的至少一個(gè)目標(biāo)偏移量，其中，所述目標(biāo)分割網(wǎng)絡(luò)模型通過對預(yù)先所構(gòu)建待訓(xùn)練分割網(wǎng)絡(luò)模型的訓(xùn)練獲得；

根據(jù)各所述目標(biāo)偏移量調(diào)整所述目標(biāo)輪廓框中對應(yīng)的各輪廓點(diǎn)的位置，得到目標(biāo)圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定待檢測圖像對應(yīng)的目標(biāo)輪廓框圖像，包括：

將所述待檢測圖像輸入到預(yù)確定的檢測框確定模型中，得到包含至少一個(gè)檢測框的檢測框圖像；

根據(jù)各所述檢測框的坐標(biāo)進(jìn)行輪廓篩選，得到輪廓框圖像；

將所述輪廓框圖像按照設(shè)定尺寸進(jìn)行縮放，得到目標(biāo)輪廓框圖像。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述待訓(xùn)練分割網(wǎng)絡(luò)模型包括設(shè)定數(shù)量用于輪廓點(diǎn)特征表示確定的輪廓點(diǎn)特征學(xué)習(xí)模塊，所述輪廓點(diǎn)特征學(xué)習(xí)模塊包括循環(huán)卷積單元和自注意力機(jī)制單元；

相應(yīng)的，所述目標(biāo)分割網(wǎng)絡(luò)模型的確定步驟包括：

將獲取的圖像訓(xùn)練樣本輸入給定的待訓(xùn)練分割網(wǎng)絡(luò)模型，得到所述設(shè)定數(shù)量的特征預(yù)測圖像，所述特征預(yù)測圖像包括至少一個(gè)目標(biāo)輪廓點(diǎn)的特征表示；

對各所述特征預(yù)測圖像進(jìn)行特征融合，得到包含至少一個(gè)融合輪廓點(diǎn)的特征融合圖像；

對所述特征融合圖像進(jìn)行卷積運(yùn)算，得到各融合輪廓點(diǎn)的預(yù)測偏移量；

采用給定的損失函數(shù)表達(dá)式，結(jié)合所述預(yù)測偏移量、圖像訓(xùn)練樣本對應(yīng)的標(biāo)準(zhǔn)偏移量，確定損失函數(shù)；

通過所述損失函數(shù)對所述待訓(xùn)練分割網(wǎng)絡(luò)模型進(jìn)行反向傳播，得到目標(biāo)分割網(wǎng)絡(luò)模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將獲取的圖像訓(xùn)練樣本輸入給定的待訓(xùn)練分割網(wǎng)絡(luò)模型，得到設(shè)定數(shù)量的特征預(yù)測圖像，包括：

將待訓(xùn)練分割網(wǎng)絡(luò)模型的首個(gè)輪廓點(diǎn)特征學(xué)習(xí)模塊作為當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊，圖像訓(xùn)練樣本作為當(dāng)前輸入數(shù)據(jù)；

將所述當(dāng)前輸入數(shù)據(jù)輸入到當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊中，得到特征預(yù)測圖像；

如果所述當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊存在下一模塊，將所述特征預(yù)測圖像作為新的當(dāng)前輸入數(shù)據(jù)，所述當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊的下一模塊作為新的當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊，返回執(zhí)行特征預(yù)測圖像的確定操作。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述當(dāng)前輸入數(shù)據(jù)輸入到當(dāng)前輪廓點(diǎn)特征學(xué)習(xí)模塊中，得到特征預(yù)測圖像，包括：

將所述當(dāng)前輸入數(shù)據(jù)輸入到所述循環(huán)卷積單元中，得到卷積特征圖像；

將所述卷積特征圖像輸入到所述自注意力機(jī)制單元中，根據(jù)所述卷積特征圖像的尺寸參數(shù)、設(shè)定數(shù)量的卷積模板及維度轉(zhuǎn)換函數(shù)進(jìn)行矩陣變換，得到變換特征圖像；

對所述卷積特征圖像和變換特征圖像進(jìn)行通道拼接，得到對應(yīng)的特征預(yù)測圖像。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述卷積特征圖像的尺寸參數(shù)、設(shè)定數(shù)量的卷積模板及維度轉(zhuǎn)換函數(shù)進(jìn)行矩陣變換，得到變換特征圖像，包括：

對所述卷積特征圖像的尺寸參數(shù)中的通道個(gè)數(shù)進(jìn)行降維處理，得到降維特征圖像；

根據(jù)所述降維特征圖像及設(shè)定數(shù)量的卷積模板進(jìn)行卷積運(yùn)算，得到設(shè)定數(shù)量的卷積運(yùn)算圖像；

根據(jù)所述維度轉(zhuǎn)換函數(shù)對各所述卷積運(yùn)算圖像進(jìn)行維度變換，并將各維度變換后的卷積運(yùn)算圖像進(jìn)行綜合處理得到維度變換圖像；

將所述降維變換圖像的尺寸參數(shù)中的通道個(gè)數(shù)進(jìn)行升維處理，得到升維后的變換特征圖像。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各所述目標(biāo)偏移量調(diào)整目標(biāo)輪廓框中對應(yīng)的各輪廓點(diǎn)的位置，得到目標(biāo)圖像，包括：

將目標(biāo)輪廓框中的各輪廓點(diǎn)按照對應(yīng)的所述目標(biāo)偏移量進(jìn)行移動(dòng)，得到移動(dòng)后的各輪廓點(diǎn)；

將包含所述移動(dòng)后的各輪廓點(diǎn)的圖像作為目標(biāo)圖像。