[发明专利]图像识别方法、装置、设备、介质及程序产品

说明书

本申请公开了一种图像识别方法、装置、设备、介质及程序产品，涉及自然语言处理、计算机视觉、深度学习等人工智能领域。该方法的一具体实施方式包括：获取目标图像；将目标图像输入预先训练的目标检测模型的骨干网络层中，得到目标图像的图像特征；将图像特征输入目标检测模型的全连接网络层中，得到目标图像对应的图像类别；将图像特征输入目标检测模型的卷积网络层中，得到目标图像中的对象在其上的位置信息。

技术领域

本申请实施例涉及计算机领域，具体涉及自然语言处理、计算机视觉、深度学习等人工智能领域，尤其涉及一种图像识别方法、装置、设备、介质及程序产品。

背景技术

近些年，随着人工智能(Artificial Intelligence，AI)技术的飞速发展，极大地提升了人民生活的智能化。总的来说，AI要解决的是两类问题：分类和位置回归：既要对目标图像进行分类，也要对对象在目标图像中的位置坐标进行回归。

目前，通过一个卷积层实现对目标图像的分类和目标图像的位置回归。

发明内容

本申请实施例提出了一种图像识别方法、装置、设备、介质及程序产品。

第一方面，本申请实施例提出了一种图像识别方法，包括：获取目标图像；将目标图像输入预先训练的目标检测模型的骨干网络层中，得到目标图像的图像特征；将图像特征输入目标检测模型的全连接网络层中，得到目标图像对应的图像类别；将图像特征输入目标检测模型的卷积网络层中，得到目标图像中的对象在其上的位置信息。

第二方面，本申请实施例提出了一种图像识别装置，包括：图像获取模块，被配置成获取目标图像；第一得到模块，被配置成将目标图像输入预先训练的目标检测模型的骨干网络层中，得到目标图像的图像特征；第二得到模块，被配置成将图像特征输入目标检测模型的全连接网络层中，得到目标图像对应的图像类别；第三得到模块，被配置成将图像特征输入目标检测模型的卷积网络层中，得到目标图像中的对象在其上的位置信息。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面描述的方法。

第五方面，本申请实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面描述的方法。

本申请实施例提供的图像识别方法、装置、设备、介质及程序产品，首先获取目标图像；之后将目标图像输入预先训练的目标检测模型的骨干网络层中，得到目标图像的图像特征；然后将图像特征输入目标检测模型的全连接网络层中，得到目标图像对应的图像类别；最后将图像特征输入目标检测模型的卷积网络层中，得到目标图像中的对象在其上的位置信息。能够利用目标检测模型中的全连接网络层，得到目标图像的图像类别，以及利用目标检测模型中的卷积网络层，得到目标图像中对象在其上的位置信息，从而可以将分类和位置回归拆分成两个独立的个体，进而可以显著地提高图像识别的精度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的图像识别方法的一个实施例的流程图；

图3是根据本申请的YOLO模型的示意图；