[發明專利]物體識別方法、裝置、設備及存儲介質

有效

• 申請號: 202110421160.3
• 申請日: 2021-04-19
• 公開（公告）號: CN113205013B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙松;杜松
• 申請（專利權）人: 重慶創通聯達智能技術有限公司
• 主分類號: G06V20/50
• 分類號: G06V20/50;G06V10/40;G06V10/82;G06V10/764;G06V10/774;G06N3/0455;G06N3/082
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

本申請實施例提供一種物體識別方法、裝置、設備及存儲介質。該方法包括：獲取訓練樣本，訓練樣本是非殘次物體圖像；根據特征提取模型提取訓練樣本的第一特征圖，其包括多個特征向量；根據第一自編碼器對多個特征向量進行編碼和解碼，得到多個編碼向量和多個解碼向量；根據多個特征向量的位置組合每個特征向量對應的編碼向量，得到第二特征圖；根據第二自編碼器對第二特征圖進行圖像重建，得到第三特征圖；根據訓練樣本和第一特征圖訓練特征提取模型，根據第一特征圖和多個解碼向量訓練第一自編碼器，根據第二特征圖和第三特征圖訓練第二自編碼器，得到目標物體識別模型，基于該模型與目標物體圖像可以有效地識別目標物體是否為殘次物體。

技術領域

本申請涉及深度學習技術領域，尤其涉及一種物體識別方法、裝置、設備及存儲介質。

背景技術

一般工廠生產的產品的良品率較高，殘次產品很少出現。傳統的產品識別方案通常是根據產品圖像樣本集訓練預設模型，得到產品識別模型，通過產品識別模型來識別產品殘次或者非殘次。

但是由于整體產品群體中殘次產品的占比較小，產品圖像樣本集中的正樣本即殘次產品圖像的數量遠低于負樣本即非殘次產品圖像的數量，正負樣本不均衡，容易導致產品識別模型無法有效地識別出殘次產品，識別效果較差。

發明內容

本申請實施例提供了一種物體識別方法、裝置、設備及存儲介質，能夠使有效地識別目標物體是否為殘次物體，提高物體識別效果。

第一方面，本申請實施例提供一種物體識別模型的訓練方法，初始物體識別模型包括：預設的特征提取模型、預設的第一自編碼器和預設的第二自編碼器，該方法包括：

獲取訓練樣本，其中，訓練樣本是非殘次物體圖像；

根據特征提取模型提取訓練樣本的第一特征圖，其中，第一特征圖包括多個特征向量；

根據第一自編碼器對第一特征圖中的多個特征向量進行編碼和解碼，得到多個編碼向量和多個解碼向量；

根據多個特征向量的位置組合每個特征向量對應的編碼向量，得到第二特征圖；

根據第二自編碼器對第二特征圖進行圖像重建，得到第三特征圖；

根據訓練樣本和第一特征圖訓練特征提取模型，以及根據第一特征圖和多個解碼向量訓練第一自編碼器，以及根據第二特征圖和第三特征圖訓練第二自編碼器，得到目標物體識別模型。

在第一方面的一些可實現方式中，特征提取模型包括DenseNet模型或者ResNet模型。

在第一方面的一些可實現方式中，第一自編碼器包括全連接自編碼器，第二自編碼器包括卷積自編碼器。

第二方面，本申請實施例提供一種物體識別方法，該方法包括：

獲取目標物體圖像；

根據目標物體識別模型中的特征提取模型提取目標物體圖像的第四特征圖，其中，第四特征圖包括多個特征向量，目標物體識別模型基于第一方面或者第一方面任一些可實現方式中所述的物體識別模型的訓練方法得到；

根據目標物體識別模型中的第一自編碼器對第四特征圖中的多個特征向量進行編碼，得到多個編碼向量；

根據多個特征向量的位置組合每個特征向量對應的編碼向量，得到第五特征圖；

根據目標物體識別模型中的第二自編碼器對第五特征圖進行圖像重建，得到第六特征圖；

計算第五特征圖與第六特征圖中的向量的重建誤差，得到第一重建誤差分布圖；

根據第一重建誤差分布圖確定目標物體是否為殘次物體。