[发明专利]一种嵌套目标的识别方法及装置

说明书

本发明涉及一种嵌套目标的识别方法及装置，该方法包括数据标注步骤，在所述数据标注步骤中，对于样本图片中嵌套的各个目标，分别用不同颜色或者相同颜色但不同序号进行完整轮廓标注。通过本方法或装置可以实现嵌套或者压盖目标的识别，将存在嵌套或者压盖关系的多个目标分别识别为对应的目标语义，还原准确的语义分割结果，改善传统方法无法准确识别嵌套目标的问题。

技术领域

本发明涉及图像识别技术领域，特别涉及一种嵌套目标的识别方法及装置。

背景技术

近年来，随着深度学习的逐渐发展，卷积神经网络在计算机视觉领域得到了广泛的应用，包括目标检测、图象语义分割等方面。卷积神经网络模型的训练过程是：采集样本数据——对样本数据进行标注——输入样本数据进行模型预测——将预测结果与标注数据进行损失计算，并以计算结果优化模型参数——N次迭代得到最终的模型。数据标注是非常重要的环节，如果标注不准确后不合理，将会导致最终训练得到的模型识别能力较弱，不能进行准确的语义分割。

嵌套目标是指两个目标之间有遮挡、甚至是一个目标全部嵌入另一个目标里的情况，嵌套目标识别是图像分割识别的一个难点，对于相同类型的物体，如果在镜头视觉范围内(即一张图片)存在多个物体嵌套的情况，图像分割识别时，无法准确地将多个物体区分开，语义提取信息有偏差语义分割结果会将多个压盖的物体识别为一个物体。

发明内容

本发明的目的在于改善现有技术中所存在嵌套目标语义分割不准确的不足，提供一种嵌套目标的识别方法及装置。

为了实现上述发明目的，一方面，本发明实施例提供了一种嵌套目标的识别方法，包括数据标注步骤，在所述数据标注步骤中，对于样本图片中嵌套的各个目标，分别用不同颜色或者相同颜色但不同序号进行完整轮廓标注。

根据本发明实施例，若嵌套的多个目标中有多种类型，则对于不同类型的目标用不同颜色进行标注，对于相同类型的多个目标分别用不同颜色或者同一种颜色但不同序号进行标注。

在更完整的方案中，上述嵌套目标的识别方法中，还包括模型优化步骤：将样本图片输入初始化的神经网络模型中，再将输出结果与标注的数据进行损失计算，并根据计算结果优化模型参数；循环执行本步骤，直至得到最终的识别模型。

在更完整的方案中，上述嵌套目标的识别方法中，还包括目标识别步骤：向训练得到的识别模型中输入待识别的包含嵌套目标的图片，输出得到图片中各个目标为不同类型的概率。

另一方面，本发明实施例中还提供了一种嵌套目标的识别装置，包括数据标注模块，所述数据标注模块用于：对样本图片中嵌套的各个目标，分别用不同颜色或者相同颜色但不同序号进行完整轮廓标注。

根据本发明实施例，所述数据标注模块在进行数据标注时，若嵌套的多个目标中有多种类型，则对于不同类型的目标用不同颜色进行标注，对于相同类型的多个目标分别用不同颜色或者同一种颜色但不同序号进行标注。

另一方面，本发明实施例中还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明任一方案所述方法的步骤。

再一方面，本发明实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任一方案所述方法的步骤。

与现有技术相比，本方法通过对传统目标识别方法中的数据标注步骤进行改进，即对于样本图片中嵌套的各个目标，分别用不同颜色或者相同颜色但不同序号进行完整轮廓标注，可以实现嵌套或者压盖目标的识别，将存在嵌套或者压盖关系的多个目标分别识别为对应的目标语义，还原准确的语义分割结果。

附图说明