[发明专利]目标识别方法、装置、设备及存储介质

说明书

本公开提供一种目标识别方法、装置、设备及存储介质，应用于图像处理领域。其中，用于目标识别的图像识别网络包括特征提取网络、池化网络、扩张卷积网络和路径聚合网络，路径聚合网络中包括特征金字塔网络和用于存储图像特征的记忆网络。该方法包括：在图像识别网络中，通过特征提取网络、池化网络、扩张卷积网络、特征金字塔网络依次对待识别的图像进行特征提取、池化处理、扩张卷积处理和特征聚合处理，得到目标对象的识别结果，其中，特征聚合处理过程中利用到了记忆网络中存储的图像特征。从而，通过引入能够提取全局图像信息并减少模型计算负担的扩张卷积网络以及能够存储图像信息的记忆网络，实现对图像识别精度和图像识别速度的兼顾。

技术领域

本公开涉及计算机技术领域，尤其涉及一种目标识别方法、装置、设备及存储介质。

背景技术

随着图像处理技术的发展，深度学习网络逐渐应用于图像处理的多个方面，其中包括对图像上的目标进行识别。

以煤矸石识别为例，传统的人工识别的方法效率低且安全性差，准确率也因人而异，无法实现大规模煤矸识别，所以可使用深度学习网络对煤矸石进行识别，解决上述问题。然而，在图像识别领域，结构复杂的深度学习网络识别速度慢且计算量大，无法实现快速乃至实时的识别要求，轻量型的深度学习网络识别速度快但精度低，无法达到识别精度要求。

可见，目前的深度学习网络难以实现识别精度和速度的折中平衡。

发明内容

本公开提供一种目标识别方法、装置、设备及存储介质，用以解决深度学习网络难以实现识别精度和速度的折中平衡的问题。

第一方面，本公开提供一种目标识别方法，图像识别网络包括特征提取网络、池化网络、扩张卷积网络和路径聚合网络，所述特征提取网络、所述池化网络、所述扩张卷积网络、所述路径聚合网络依次连接，所述路径聚合网络中包括特征金字塔网络和用于存储图像特征的记忆网络；

所述目标识别方法包括：

获取待识别的图像；

通过所述特征提取网络对所述图像进行特征提取；

通过所述池化网络对来自所述特征提取网络的图像特征进行池化处理；

通过所述扩张卷积网络对池化后的图像特征进行扩张卷积处理；

通过所述特征金字塔网络，结合所述记忆网络中存储的图像特征，对来自所述特征提取网络的图像特征和来自所述扩张卷积网络的图像特征进行特征聚合处理，并在所述记忆网络中存储所述特征聚合处理中的图像特征；

根据来自所述路径聚合网络的图像特征，得到所述图像中目标对象的识别结果。

在一种可行的实现方式中，所述特征提取网络包括双通道网络和共享网络，所述双通道网络包括第一网络和第二网络；

所述通过所述特征提取网络对所述图像进行特征提取，包括：

确定所述图像对应的灰度图；

通过所述第一网络，对所述图像进行特征提取；

通过所述第二网络，对所述灰度图进行特征提取；

通过所述共享网络对来自所述第一网络的图像特征和来自所述第二网络的图像特征进行特征融合和特征提取。

在一种可行的实现方式中，所述池化网络为空间金字塔池化网络，所述通过所述池化网络对来自所述特征提取网络的图像特征进行池化处理，包括：

通过所述金字塔池化网络，对来自所述特征提取网络的多个不同尺度的图像特征进行最大池化，得到相同尺度的图像特征。

在一种可行的实现方式中，所述特征金字塔网络的输出层连接有对应的记忆网络；