[發(fā)明專利]圖像識別方法、控制裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011609307.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112749736B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計）人: 白鵬飛;李添福;李世曉;杜鵬淵;周國富
• 申請（專利權(quán)）人: 華南師范大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/75;G06T3/40
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 邱維杰

1.一種圖像識別方法，其特征在于，包括以下步驟：

將原始圖像輸入SSD網(wǎng)絡(luò)中的VGG網(wǎng)絡(luò)，所述VGG網(wǎng)絡(luò)的主干網(wǎng)絡(luò)對所述原始圖像進(jìn)行特征提取得到第一特征圖像；

在所述VGG網(wǎng)絡(luò)的主干網(wǎng)絡(luò)中插入標(biāo)注區(qū)域信息增強(qiáng)模塊和空間注意力模塊，其中，

所述標(biāo)注區(qū)域信息增強(qiáng)模塊將所述原始圖像目標(biāo)框之外的像素置零，將置零后的所述原始圖像通過平均池化后得到與所述第一特征圖像尺寸相同的第二特征圖像，對所述第二特征圖像進(jìn)行歸一化得到標(biāo)注權(quán)重圖像，其中，標(biāo)注權(quán)重圖像限制了增強(qiáng)的區(qū)域為包含目標(biāo)的區(qū)域并根據(jù)目標(biāo)框內(nèi)的像素值強(qiáng)度對特征進(jìn)行增強(qiáng)；

所述空間注意力模塊將所述第一特征圖像分別通過平均池化和最大池化得到第三特征圖像和第四特征圖像，將所述第三特征圖像和第四特征圖像在通道維度上拼接得到第五特征圖像，并且通過卷積提取特征后將通道數(shù)降為1得到第六特征圖像，通過調(diào)整該卷積的填充參數(shù)使得第六特征圖像的尺寸與所述第五特征圖像保持一致，將所述第六特征圖像通過sigmoid函數(shù)得到注意力圖像；

將所述標(biāo)注權(quán)重圖像、所述注意力圖像和所述第一特征圖像對應(yīng)位置的像素值相乘后與所述第一特征圖像相加得到第一目標(biāo)特征圖像；

將所述第一目標(biāo)特征圖像通過所述VGG網(wǎng)絡(luò)得到至少六個第二目標(biāo)特征圖像；

根據(jù)所述第二目標(biāo)特征圖像，得到所述原始圖像中每一待識別內(nèi)容的識別信息。

2.根據(jù)權(quán)利要求1所述的圖像識別方法，其特征在于，還包括：對增加了標(biāo)注區(qū)域信息增強(qiáng)模塊和空間注意力模塊的所述SSD網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的圖像識別方法，其特征在于，所述對增加了標(biāo)注區(qū)域信息增強(qiáng)模塊和空間注意力模塊的所述SSD網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

對所述原始圖像進(jìn)行標(biāo)注和歸一化處理得到訓(xùn)練數(shù)據(jù)，并根據(jù)迭代讀取的每一批訓(xùn)練數(shù)據(jù)的標(biāo)注信息，得到ground truth；

將所述原始圖像輸入增加了標(biāo)注區(qū)域信息增強(qiáng)模塊和空間注意力模塊的所述SSD網(wǎng)絡(luò)；

對每一通過所述SSD網(wǎng)絡(luò)得到的第二目標(biāo)特征圖像的錨點設(shè)置多個先驗框，根據(jù)所述先驗框與所述ground truth的交并比，得到最佳先驗框；

將沒有匹配成功的所述先驗框與所述ground truth計算交并比，若交并比大于0.5，則將對應(yīng)的所述先驗框與所述ground truth匹配；

通過softmax分類器對先驗框進(jìn)行分類，并且計算每個先驗框的置信度，按置信度排序后通過難負(fù)樣本挖掘，得到每一先驗框的位置信息；

通過softmax logistics計算類別損失和smooth L1計算位置損失，通過梯度回傳更新權(quán)重。

4.根據(jù)權(quán)利要求2所述的圖像識別方法，其特征在于，還包括：

在ImageNet數(shù)據(jù)集上訓(xùn)練好的VGG網(wǎng)絡(luò)的權(quán)重文件中的權(quán)重作為SSD網(wǎng)絡(luò)的初始權(quán)重。

5.根據(jù)權(quán)利要求3所述的圖像識別方法，其特征在于，所述標(biāo)注信息至少包括如下之一：圖像名稱、識別目標(biāo)名稱、先驗框的四個頂點坐標(biāo)。

6.根據(jù)權(quán)利要求3所述的圖像識別方法，其特征在于，還包括：

將多個所述原始圖像劃分為訓(xùn)練集、驗證集、測試集，其中，

所述訓(xùn)練集用于訓(xùn)練所述VGG網(wǎng)絡(luò)；

所述驗證集用于驗證所述VGG網(wǎng)絡(luò)的準(zhǔn)確度；

所述測試集用于測試所述VGG網(wǎng)絡(luò)的精確度。

7.根據(jù)權(quán)利要求1所述的圖像識別方法，其特征在于：所述標(biāo)注區(qū)域信息增強(qiáng)模塊和空間注意力模塊插入所述VGG網(wǎng)絡(luò)的至少一個特征層之后。

8.根據(jù)權(quán)利要求1所述的圖像識別方法，其特征在于：所述第一特征圖像的數(shù)據(jù)結(jié)構(gòu)為[N,C,H,W]的張量。