[發明專利]圖像識別方法、裝置、設備及存儲介質

在審

• 申請號: 202310317737.5
• 申請日: 2023-03-27
• 公開（公告）號: CN116343222A
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 鐘蓓蓓;雷志亮;馮境華;呼奎
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06V30/148
• 分類號: G06V30/148;G06V30/16;G06T7/11
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 劉陽;黃健

1.一種圖像識別方法，其特征在于，所述方法包括：

獲取銀行卡圖像，對所述銀行卡圖像進行增強對比度的預處理，獲得待識別的銀行卡圖像；

采用預設圖像分割模型，對所述待識別的銀行卡圖像進行分割處理，獲得所述預設圖像分割模型輸出的包含銀行卡號區域的圖像分割結果；

采用預配置的深度和寬度的雙通道圖像識別模型，對所述圖像分割結果進行多次深度和寬度的識別處理，獲取所述待識別的銀行卡圖像識別結果。

2.根據權利要求1所述的方法，其特征在于，所述預配置的深度和寬度的雙通道圖像識別模型獲取方式為：

對待訓練的銀行卡圖像進行增強對比度的預處理，獲得預處理圖像；

對所述預處理圖像進行圖像擴增處理，以獲得訓練數據；

采用預設圖像分割模型，對所述訓練數據進行分割處理，獲得所述預設圖像分割模型輸出的包含銀行卡號區域的待訓練的圖像分割結果；

根據所述待訓練的圖像分割結果和所述待訓練的銀行卡圖像中的銀行卡號的標簽數據，對初始建立的深度和寬度的雙通道圖像識別模型進行訓練，以獲得訓練后的所述預配置的深度和寬度的雙通道圖像識別模型。

3.根據權利要求1所述的方法，其特征在于，所述預配置的深度和寬度的雙通道圖像識別模型包括：深度分類網絡模型和寬度分類網絡模型；

所述采用預配置的深度和寬度的雙通道圖像識別模型，對所述圖像分割結果進行多次深度和寬度的識別處理，獲取所述待識別的銀行卡圖像識別結果，包括：

采用所述深度分類網絡模型中的預設非對稱卷積殘差塊結構、預設非對稱卷積殘差通道注意力模塊及對應的最大池化層，對所述圖像分割結果進行多次特征提取操作和最大池化操作，以獲取第一特征圖像；

采用所述寬度分類網絡模型中的預設多尺度寬度卷積模塊及對應的最大池化層，對所述圖像分割結果進行多次特征提取操作和最大池化操作，以獲取第二特征圖像；

將所述第一特征圖像和所述第二特征圖像進行拼接處理，獲取所述待識別的銀行卡圖像識別結果。

4.根據權利要求3所述的方法，其特征在于，所述預設非對稱卷積殘差塊結構包括：第一圖像處理層和第二圖像處理層，所述預設非對稱卷積殘差通道注意力模塊包括：第三圖像處理層、第四圖像處理層及通道注意力模塊；

若對所述圖像分割結果進行兩次特征提取操作，則所述采用所述深度分類網絡模型中的預設非對稱卷積殘差塊結構、預設非對稱卷積殘差通道注意力模塊及對應的最大池化層，對所述圖像分割結果進行多次特征提取操作和最大池化操作，以獲取第一特征圖像，包括：

將所述圖像分割結果輸入至所述第一圖像處理層，獲得第一結果，所述第一圖像處理層對輸入的所述圖像分割結果依次進行批標準化操作、ReLU激活操作、非對稱卷積操作及DropBlock操作；

將所述第一結果輸入至所述第二圖像處理層，獲得第二結果，所述第二圖像處理層對輸入的所述第一結果依次進行批標準化操作、ReLU激活操作及非對稱卷積操作；

將所述第二結果和所述圖像分割結果進行相加，得到第一相加結果；

將所述第一相加結果輸入至所述第三圖像處理層，獲得第三結果，所述第三圖像處理層對輸入的所述第一相加結果依次進行批標準化操作、ReLU激活操作、非對稱卷積操作及DropBlock操作；

將所述第三結果輸入至所述第四圖像處理層，獲得第四結果，所述第四圖像處理層對輸入的所述第三結果依次進行批標準化操作、ReLU激活操作、非對稱卷積操作及DropBlock操作；

將所述第四結果輸入至所述通道注意力模塊，獲得增強特征圖像；

將所述第一相加結果和所述增強特征圖像進行相加，得到第二相加結果；

采用所述最大池化層對所述第二相加結果進行最大池化操作，得到池化操作結果；

采用所述第一圖像處理層、所述第二圖像處理層、所述第三圖像處理層、所述第四圖像處理層及所述通道注意力模塊對所述池化操作結果進行二次特征提取，以獲取所述第一特征圖像。