[发明专利]一种图像识别方法、系统、介质及电子设备

权利要求书

1.一种图像识别方法，其特征在于：包括以下过程：

获取待识别的图像；

对获取的图像进行预处理；

对预处理后的图像进行特征提取；

根据提取的特征和预设卷积神经网络，得到图像识别结果；

其中，预设卷积神经网络包括特征增强模块，特征增强模块总损失为区分性损失同多样性损失与第一预设系数乘积的差值，卷积神经网络模型的总损失为特征增强总损失与第二预设系数的乘积再与交叉熵损失的加和；

区分性损失的获取，包括：

根据提取到的特征得到特征图，将特征图输入到区分性损失函数中，首先进入到se-attention中来获得让神经网络重点关注对当前任务有用的特征通道，然后分别进入到全局最大池化与全局平均池化后，得到不同类的特征值，任两个类之间取差值的平方，得到区分性损失。

2.如权利要求1所述的图像识别方法，其特征在于：

根据提取到的特征得到特征图，计算特征图得分最大值所对应类别为预测类别，根据预测类别与真实标签类别进行交叉熵损失计算。

3.如权利要求1所述的图像识别方法，其特征在于：

将经过se-attention得到的结果进行全局平均池化，获取每个通道中的特征值的均值；将经过se-attention得到的结果进行全局最大池化，得到每个通道中特征值最大的明显的特征；

将经过全局最大池化与全局平均池化获得的结果作为特征，计算任两个不同类的特征值的最小二乘，得到区分性损失。

4.如权利要求1所述的图像识别方法，其特征在于：

多样性损失的获取，包括：

根据提取到的特征得到m个类的特征图，将特征图输入到多样性损失函数中，在多样性损失函数中为每个类分配n个通道，计算其softmax值；

根据softamx值选择出满足特征值大于预设阈值的区域作为此类中第i个通道关注力大的那部分特征区域以及该区域的坐标；

根据坐标得到此类中剩余n-1个通道中相同的特征区域的softmax值，根据得到的各个特征区域的softmax值计算得到多样性损失。

5.如权利要求4所述的图像识别方法，其特征在于：

对得到的特征图进行归一化，找到特征图的值大于预设阈值的特征点，获得的特征点组成的区域即为该通道的注意力特征；

基于同一类中的所有通道，计算多样性损失，计算每个通道中的注意力特征与其他通道对应区域特征值的最小二乘，得到多样性损失。

6.如权利要求1所述的图像识别方法，其特征在于：

对预处理后的图像进行特征提取，包括：

将预处理后的图像输入预设神经网络，经过卷积层后再使用激活函数增加非线性，然后进入池化层，得到提取后的特征。

7.一种图像识别系统，其特征在于：包括：

数据获取模块，被配置为：获取待识别的图像；

预处理模块，被配置为：对获取的图像进行预处理；

特征提取模块，被配置为：对预处理后的图像进行特征提取；

图像识别模块，被配置为：根据提取的特征和预设卷积神经网络，得到图像识别结果；

其中，预设卷积神经网络包括特征增强模块，特征增强模块总损失为区分性损失同多样性损失与第一预设系数乘积的差值，卷积神经网络模型的总损失为特征增强总损失与第二预设系数的乘积再与交叉熵损失的加和；

区分性损失的获取，包括：

根据提取到的特征得到特征图，将特征图输入到区分性损失函数中，首先进入到se-attention中来获得让神经网络重点关注对当前任务有用的特征通道，然后分别进入到全局最大池化与全局平均池化后，得到不同类的特征值，任两个类之间取差值的平方，得到区分性损失。

8.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的图像识别方法中的步骤。

9.一种电子设备，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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的图像识别方法中的步骤。