[发明专利]图像识别方法、装置、电子设备及存储介质

说明书

本公开关于一种图像识别方法、装置、电子设备及存储介质，该方法包括：获取待识别图像；将待识别图像输入到预先训练的目标算法模型中，得到待识别图像的潜在识别区域，其中，潜在识别区域为包含指定内容、且大小不大于预设阈值大小的区域；对潜在识别区域进行上采样；利用目标算法模型对上采样后的潜在识别区域进行分析，得到分类识别结果。本公开的图像识别方法，获取潜在识别区域，并对潜在识别区域进行上采样，进而得到潜在识别区域的分类识别结果，提高了对小物体识别的成功率。并且分类识别及潜在识别区域的识别均利用同一目标算法模型，能够有效减少计算量，并且大大降低了目标算法模型的复杂程度。

技术领域

本公开涉及图像识别技术领域，尤其涉及图像识别方法、装置、电子设备及存储介质。

背景技术

随着计算机视觉技术的发展，图像中文字识别称为可能。尤其是在神经网络问世后，图像中文字识别技术得到了迅猛发展。相关技术中，虽然可以通过计算机视觉技术有效识别普通大小的文字，但是对于小文字，例如，像素小于16*16的文字，识别成功率低。

发明内容

本公开提供一种图像检测加速方法及装置，以至少解决相关技术小物体识别成功率低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供了一种图像识别方法，所述方法包括：

获取待识别图像；

将所述待识别图像输入到预先训练的目标算法模型中，得到所述待识别图像的潜在识别区域，其中，所述潜在识别区域为包含指定内容、且大小不大于预设阈值大小的区域；

对所述潜在识别区域进行上采样；

利用所述目标算法模型对上采样后的潜在识别区域进行分析，得到分类识别结果。

可选的，所述将所述待识别图像输入到预先训练的目标算法模型中，得到所述待识别图像的潜在识别区域，包括：

利用所述目标算法模型的特征提取网络，对所述待识别图像进行特征提取，得到第一特征图；

利用所述目标算法模型的区域生成网络，对所述第一特征图进行分析，得到所述第一特征图的建议检测框；

利用所述目标算法模型的区域池化网络，对所述第一特征图的建议检测框中的目标特征区域进行分析，得到所述目标特征区域的目标识别结果，其中，所述目标识别结果包括所述目标特征区域中不包含潜在识别区域，或所述目标识别结果包括所述目标特征区域中潜在识别区域的目标区域位置，所述潜在识别区域为所述目标特征区域中表示潜在识别区域的区域；

当所述目标识别结果为所述目标特征区域中潜在识别区域的目标区域位置时，在所述待识别图像中提取所述目标区域位置处的图像，得到所述潜在识别区域。

可选的，所述目标识别结果还包括：所述目标特征区域中除潜在识别区域外的其他区域的分类识别结果。

可选的，所述利用所述目标算法模型对上采样后的潜在识别区域进行分析，得到分类识别结果，包括：

利用所述目标算法模型的特征提取网络，对上采样后的潜在识别区域进行特征提取，得到第二特征图；

利用所述目标算法模型的区域生成网络，对所述第二特征图进行分析，得到所述第二特征图的建议检测框；

利用所述目标算法模型的区域池化网络，对所述第二特征图的建议检测框中的指定特征区域进行分析，得到所述指定特征区域的识别结果，其中，所述指定特征区域的识别结果包括分类识别结果。

可选的，预先训练的目标算法模型的步骤包括：

获取样本图像，标注所述样本图像中的指定内容及潜在识别区域；

将标注后的样本图像输入到初始算法模型中进行训练，得到预先训练的目标算法模型。