[发明专利]图像识别方法、图像识别装置和系统

说明书

提供了图像识别方法、图像识别装置和系统。所述图像识别方法包括：使用特征提取层从由图像传感器接收的输入图像提取特征数据；以及通过将固定掩模和可变掩模应用于提取的特征数据，输出在输入图像中出现的对象的识别结果，其中，响应于提取的特征数据来调节可变掩膜。

本申请要求于2019年12月6日在韩国知识产权局提交的第10-2019-0161553号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。

技术领域

以下描述涉及用于识别图像的技术。

背景技术

近来，已经进行了研究以解决将输入模式分类为特定组的问题，并且已经进行了关于将由人执行的有效且准确的模式识别应用于计算机的方法的研究。这种研究的一个领域是人工神经网络。为了解决将输入模式分类为特定组的问题，神经网络采用了在输入模式与输出模式之间生成映射的算法。生成这种映射的能力被称为人工神经网络的学习能力。此外，即使对于尚未用于学习的输入模式，人工神经网络也可基于学习结果具有生成相对准确的输出的泛化能力。

发明内容

提供本发明内容以简化的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容既不意在确定要求权利的主题的关键特征或必要特征，也不意在用于帮助确定要求权利的主题的范围。

在一个总体方面，一种具有图像识别的方法包括：使用特征提取层从由图像传感器接收的输入图像提取特征数据；以及通过将固定掩模和可变掩模应用于提取的特征数据，输出在输入图像中出现的对象的识别结果，其中，响应于提取的特征数据来调节可变掩膜。

输出识别结果的步骤可包括：通过将固定掩模应用于提取的特征数据，从提取的特征数据计算第一识别数据；通过将可变掩模应用于提取的特征数据，从提取的特征数据计算第二识别数据；以及基于第一识别数据和第二识别数据确定识别结果。

计算第一识别数据的步骤可包括：通过将固定掩模应用于提取的特征数据来生成与感兴趣的对象区域有关的通用特征图；以及从通用特征图计算第一识别数据。

计算第二识别数据的步骤可包括：通过将可变掩模应用于与提取的特征数据对应的目标特征图来生成与图像传感器的感兴趣区域有关的传感器专用特征图；以及从传感器专用特征图计算第二识别数据。

生成传感器专用特征图的步骤可包括：对目标特征图的单个值应用可变掩模中的对应的值。

所述方法还可包括：使用softmax函数和全连接层从提取的特征数据计算第三识别数据。确定识别结果的步骤可包括：除了第一识别数据和第二识别数据之外，还基于第三识别数据来确定识别结果。

输出识别结果的步骤可包括：使用包括可变掩模的传感器专用层的至少一部分，基于提取的特征数据来调节可变掩模的一个或多个值。

调节可变掩模的所述一个或多个值的步骤可包括：使用softmax函数从转置查询特征图和键特征图之间相乘的结果确定可变掩模的值，转置查询特征图和键特征图之间相乘的结果对应于将卷积滤波应用于提取的特征数据的结果。

输出识别结果的步骤可包括：将基于固定掩模的第一识别数据和基于可变掩模的第二识别数据的加权和确定为识别结果。

将加权和确定为识别结果的步骤可包括：将比施加到第一识别数据的权重大的权重施加到第二识别数据。

所述方法还可包括：响应于更新命令，从外部服务器接收包括可变掩模的传感器专用层的参数；以及使用接收的参数更新传感器专用层。

所述还可包括：向外部服务器请求传感器专用参数，传感器专用参数对应于与图像传感器的光学特性相似或相同的光学特性。

所述方法还可包括：在更新传感器专用层的参数的同时，保持固定掩模的值。