[發明專利]目標識別方法、裝置、設備及存儲介質

有效

• 申請號: 202210007427.9
• 申請日: 2022-01-06
• 公開（公告）號: CN114022748B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 周波;鄒小剛;苗瑞;武新宇
• 申請（專利權）人: 深圳市海清視訊科技有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/80;G06K9/62;G06N3/04;G06V10/56;G06V10/774
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;劉芳

本公開提供一種目標識別方法、裝置、設備及存儲介質，應用于圖像處理領域。其中，用于目標識別的圖像識別網絡包括特征提取網絡、池化網絡、擴張卷積網絡和路徑聚合網絡，路徑聚合網絡中包括特征金字塔網絡和用于存儲圖像特征的記憶網絡。該方法包括：在圖像識別網絡中，通過特征提取網絡、池化網絡、擴張卷積網絡、特征金字塔網絡依次對待識別的圖像進行特征提取、池化處理、擴張卷積處理和特征聚合處理，得到目標對象的識別結果，其中，特征聚合處理過程中利用到了記憶網絡中存儲的圖像特征。從而，通過引入能夠提取全局圖像信息并減少模型計算負擔的擴張卷積網絡以及能夠存儲圖像信息的記憶網絡，實現對圖像識別精度和圖像識別速度的兼顧。

技術領域

本公開涉及計算機技術領域，尤其涉及一種目標識別方法、裝置、設備及存儲介質。

背景技術

隨著圖像處理技術的發展，深度學習網絡逐漸應用于圖像處理的多個方面，其中包括對圖像上的目標進行識別。

以煤矸石識別為例，傳統的人工識別的方法效率低且安全性差，準確率也因人而異，無法實現大規模煤矸識別，所以可使用深度學習網絡對煤矸石進行識別，解決上述問題。然而，在圖像識別領域，結構復雜的深度學習網絡識別速度慢且計算量大，無法實現快速乃至實時的識別要求，輕量型的深度學習網絡識別速度快但精度低，無法達到識別精度要求。

可見，目前的深度學習網絡難以實現識別精度和速度的折中平衡。

發明內容

本公開提供一種目標識別方法、裝置、設備及存儲介質，用以解決深度學習網絡難以實現識別精度和速度的折中平衡的問題。

第一方面，本公開提供一種目標識別方法，圖像識別網絡包括特征提取網絡、池化網絡、擴張卷積網絡和路徑聚合網絡，所述特征提取網絡、所述池化網絡、所述擴張卷積網絡、所述路徑聚合網絡依次連接，所述路徑聚合網絡中包括特征金字塔網絡和用于存儲圖像特征的記憶網絡；

所述目標識別方法包括：

獲取待識別的圖像；

通過所述特征提取網絡對所述圖像進行特征提取；

通過所述池化網絡對來自所述特征提取網絡的圖像特征進行池化處理；

通過所述擴張卷積網絡對池化后的圖像特征進行擴張卷積處理；

通過所述特征金字塔網絡，結合所述記憶網絡中存儲的圖像特征，對來自所述特征提取網絡的圖像特征和來自所述擴張卷積網絡的圖像特征進行特征聚合處理，并在所述記憶網絡中存儲所述特征聚合處理中的圖像特征；

根據來自所述路徑聚合網絡的圖像特征，得到所述圖像中目標對象的識別結果。

在一種可行的實現方式中，所述特征提取網絡包括雙通道網絡和共享網絡，所述雙通道網絡包括第一網絡和第二網絡；

所述通過所述特征提取網絡對所述圖像進行特征提取，包括：

確定所述圖像對應的灰度圖；

通過所述第一網絡，對所述圖像進行特征提取；

通過所述第二網絡，對所述灰度圖進行特征提取；

通過所述共享網絡對來自所述第一網絡的圖像特征和來自所述第二網絡的圖像特征進行特征融合和特征提取。

在一種可行的實現方式中，所述池化網絡為空間金字塔池化網絡，所述通過所述池化網絡對來自所述特征提取網絡的圖像特征進行池化處理，包括：

通過所述金字塔池化網絡，對來自所述特征提取網絡的多個不同尺度的圖像特征進行最大池化，得到相同尺度的圖像特征。

在一種可行的實現方式中，所述特征金字塔網絡的輸出層連接有對應的記憶網絡；