[发明专利]对象识别方法、装置、存储介质及电子设备

权利要求书

1.一种对象识别方法，其特征在于，包括：

获取待识别图像；

根据所述待识别图像，确定所述待识别图像的深度信息和对象区域识别信息；

根据所述深度信息和所述对象区域识别信息，确定出所述待识别图像中位于预设深度区域的目标对象。

2.根据权利要求1所述的对象识别方法，其特征在于，所述根据所述待识别图像，确定所述待识别图像的深度信息和对象识别信息包括：

获取图像识别模型，所述图像识别模型包括主干网络、深度估计网络和语义识别网络；

将所述待识别图像输入所述主干网络，得到所述待识别图像的图像特征；

将所述图像特征输入所述深度估计网络，得到所述深度信息；

将所述图像特征输入所述语义识别网络，得到所述对象区域识别信息。

3.根据权利要求2所述的对象识别方法，其特征在于，所述主干网络包括依次连接的主干卷积模块和多个主干反向残差模块，所述将所述待识别图像输入所述主干网络，得到所述待识别图像的图像特征，包括：

将所述待识别图像输入所述主干卷积模块，从所述多个主干反向残差模块中的最后一个主干反向残差模块得到所述图像特征。

4.根据权利要求3所述的对象识别方法，其特征在于，所述主干反向残差模块包括第一逐点卷积单元、逐通道卷积单元、权重分配单元和第二逐点卷积单元，所述从所述多个主干反向残差模块中的最后一个主干反向残差模块得到所述图像特征，包括：

将所述主干卷积模块输出的图像特征输入所述第一逐点卷积单元，得到通道数扩大到预设倍数的卷积结果；

将所述通道数扩大到预设倍数的卷积结果输入所述逐通道卷积单元，得到混合空间信息后的卷积结果；

将所述混合空间信息后的卷积结果输入所述权重分配单元，以对所述图像特征的各个通道进行权重分配，得到权重分配后的卷积结果；

将所述权重分配后的卷积结果输入所述第二逐点卷积单元，得到通道数缩放回原始数值的卷积结果。

5.根据权利要求4所述的对象识别方法，其特征在于，所述第一逐点卷积单元和所述逐通道卷积单元均包括激活层，所述第二逐点卷积单元不包括激活层。

6.根据权利要求2所述的对象识别方法，其特征在于，所述深度估计网络包括多个深度信息解码模块和多个深度信息上采样模块，所述将所述图像特征输入所述深度估计网络，得到所述深度信息，包括：

将所述图像特征输入所述深度信息解码模块，得到预设通道数的深度图像特征；

将得到的所述预设通道数的深度图像特征输入所述深度信息上采样模块，得到所述深度信息；

所述语义识别网络包括多个语义信息解码模块和多个语义信息上采样模块，所述将所述图像特征输入所述语义识别网络，得到所述对象区域识别信息，包括：

将所述图像特征输入所述语义信息解码模块，得到预设通道数的语义图像特征；

将得到的所述预设通道数的语义图像特征输入所述语义信息上采样模块，得到所述对象区域识别信息。

7.根据权利要求6所述的对象识别方法，其特征在于，所述深度信息解码模块包括多个深度信息反向残差模块，所述深度信息反向残差模块与所述主干反向残差模块的结构相同，所述将所述图像特征输入所述深度信息解码模块，得到预设通道数的深度图像特征识别，包括：

将所述图像特征输入所述深度信息反向残差模块，得到所述预设通道数的深度图像特征；

所述语义信息解码模块包括多个语义信息反向残差模块，所述语义信息反向残差模块与所述主干反向残差模块的结构相同，所述将所述图像特征输入所述语义信息解码模块，得到预设通道数的语义图像特征，包括：

将所述图像特征输入所述语义信息反向残差模块，得到所述预设通道数的语义图像特征。