【技術實現步驟摘要】
本申請涉及計算機視覺，特別是涉及一種對象識別方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。
技術介紹
1、在特定場景下，圖像識別中需要進行識別的對象的維度要求越來越高，需要對圖像中目標對象的多重屬性進行識別，例如，對行人的性別、衣著顏色、穿戴的帽、傘、口罩、救生衣等屬性進行識別。
2、傳統技術中，使用共享的特征提取網絡對待識別圖像進行特征提取，得到特征圖后，根據多個獨立的分類器對特征圖分別進行屬性識別，其中，每個分類器由具有特定屬性的樣本圖像進行訓練，主要關注該特定屬性的識別進行學習，例如，分類器f1用于對傘的特征進行分析，分類器f2用于對口罩的特征進行分析。進而，每個分類器得到該分類器對應的關注屬性的識別結果，進而將每個分類器得到的識別結果進行聚合，得到結構化的屬性存儲結果。
3、然而，傳統技術中，每個分類器在進行對應屬性的識別過程中，不同分類器針對其關注屬性的分類解析中，由于不同屬性識別需要的特征共享不充分或共享的特征對于某些屬性的適配性較差，例如不同的分類器間缺乏有效的交互和信息流通，或者某一屬性識別依賴于rgb值等低級特征，其他屬性識別可能依賴于紋理等高級特征，則影響該分類器對應屬性的識別精度，導致屬性識別的準確度較差；此外，眾分類器的迭代訓練和編排也為資源帶來不小挑戰。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種圖像識別方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。
2、第一方面，本申請提供了
3、獲取待檢測圖像和圖像識別模型；所述圖像識別模型包括提取單元、門控單元、多個專家單元和特征融合單元；
4、基于所述提取單元對待檢測圖像進行特征提取，得到優化特征圖，并基于所述門控單元與所述優化特征圖，確定調度系數；
5、根據多個所述專家單元對所述優化特征圖進行線性變換，得到每一所述專家單元對應的映射特征表示；每一所述映射特征表示反映所述優化特征圖中不同維度的全局信息；
6、根據所述調度系數和所述映射特征表示確定所述優化特征圖對應的提示特征，并基于所述特征融合單元對所述提示特征和所述優化特征圖進行特征融合，得到特征詞元；
7、基于所述特征詞元確定所述待檢測圖像的識別結果。
8、在其中一個實施例中，所述根據所述調度系數和所述映射特征表示確定所述優化特征圖對應的提示特征，包括：
9、根據所述調度系數對各所述專家單元對應的映射特征表示進行加權求和，并通過預設激活函數進行轉換，得到提示特征。
10、在其中一個實施例中，所述基于所述特征融合單元對所述提示特征和所述優化特征圖進行特征融合，得到特征詞元，包括：
11、根據所述特征融合單元對所述提示特征和所述優化特征圖進行點乘求和，得到所述優化特征圖對應的特征詞元。
12、在其中一個實施例中，所述圖像識別模型還包括屬性識別單元，所述屬性識別單元包括多個多層感知機，每個所述多層感知機用于識別各目標屬性；
13、所述基于所述特征詞元確定所述待檢測圖像的識別結果，包括：
14、根據每個所述多層感知機中所述特征詞元與所述目標屬性間的映射關系，對所述特征詞元進行映射變換，得到中間特征表示；
15、對每個所述多層感知機輸出的所述中間特征表示進行概率歸一轉化，得到每一所述多層感知機對應的概率分布結果；所述概率分布結果表征所述多層感知機的所述目標屬性的概率預測；
16、基于所述概率分布結果確定所述待檢測圖像對應的識別結果。
17、在其中一個實施例中，所述圖像識別模型還包括目標檢測單元；所述基于所述提取單元對待檢測圖像進行特征提取，得到優化特征圖，包括：
18、獲取待檢測圖像，根據所述目標檢測單元對所述待檢測圖像進行目標檢測，得到所述待檢測圖像中目標對象的目標標定框；
19、根據所述目標標定框對所述待檢測圖像進行裁剪，得到所述目標對象對應的目標圖像；
20、基于所述提取單元對所述目標圖像進行特征提取，得到優化特征圖。
21、在其中一個實施例中，所述提取單元包括特征提取單元和信息提煉單元；所述基于所述提取單元對所述目標圖像進行特征提取，得到優化特征圖，包括：
22、根據所述特征提取單元對所述目標圖像進行特征提取，得到所述目標圖像對應的原始特征圖；
23、根據所述信息提煉單元對所述原始特征圖進行局部信息提煉，得到優化特征圖。
24、在其中一個實施例中，所述信息提煉單元包括級聯卷積模塊、批歸一化層、激活層和池化層；所述根據所述信息提煉單元對所述原始特征圖進行局部信息提煉，得到優化特征圖，包括：
25、根據所述級聯卷積模塊、批歸一化層和激活層對所述原始特征圖進行局部空間的信息增強提煉，得到初始優化特征圖；
26、根據所述池化層對所述初始優化特征圖進行降維采樣，得到優化特征圖。
27、第二方面，本申請還提供了一種圖像識別裝置，包括：
28、獲取模塊，用于獲取待檢測圖像和圖像識別模型；所述圖像識別模型包括提取單元、門控單元、多個專家單元和特征融合單元；
29、特征提取模塊，用于基于所述提取單元對待檢測圖像進行特征提取，得到優化特征圖，并基于所述門控單元與所述優化特征圖，確定調度系數；
30、線性變換模塊，用于根據多個所述專家單元對所述優化特征圖進行線性變換，得到每一所述專家單元對應的映射特征表示；每一所述映射特征表示反映所述優化特征圖中不同維度的全局信息；
31、特征融合模塊，用于根據所述調度系數和所述映射特征表示確定所述優化特征圖對應的提示特征，并基于所述特征融合單元對所述提示特征和所述優化特征圖進行特征融合，得到特征詞元；
32、確定模塊，用于基于所述特征詞元確定所述待檢測圖像的識別結果。
33、在其中一個實施例中，所述特征融合模塊具體用于根據所述調度系數對各所述專家單元對應的映射特征表示進行加權求和，并通過預設激活函數進行轉換，得到提示特征。
34、在其中一個實施例中，所述特征融合模塊具體用于根據所述特征融合單元對所述提示特征和所述優化特征圖進行點乘求和，得到所述優化特征圖對應的特征詞元。
35、在其中一個實施例中，所述圖像識別模型還包括屬性識別單元，所述屬性識別單元包括多個多層感知機，每個所述多層感知機用于識別各目標屬性；所述確定模塊具體用于根據每個所述多層感知機中所述特征詞元與所述目標屬性間的映射關系，對所述特征詞元進行映射變換，得到中間特征表示；
36、對每個所述多層感知機輸出的所述中間特征表示進行概率歸一轉化，得到每一所述多層感知機對應的概率分布結果；所述概率分布結果表征所述多層感知機的所述目標屬性的概率預測；
37、基于所述概率分布結果確定所述待檢測圖像對應的識別結果。...
【技術保護點】
1.一種圖像識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述調度系數和所述映射特征表示確定所述優化特征圖對應的提示特征，包括：
3.根據權利要求1所述的方法，其特征在于，所述基于所述特征融合單元對所述提示特征和所述優化特征圖進行特征融合，得到特征詞元，包括：
4.根據權利要求1所述的方法，其特征在于，所述圖像識別模型還包括屬性識別單元，所述屬性識別單元包括多個多層感知機，每個所述多層感知機用于識別各目標屬性；
5.根據權利要求1所述的方法，其特征在于，所述圖像識別模型還包括目標檢測單元；所述基于所述提取單元對待檢測圖像進行特征提取，得到優化特征圖，包括：
6.根據權利要求5所述的方法，其特征在于，所述提取單元包括特征提取單元和信息提煉單元；所述基于所述提取單元對所述目標圖像進行特征提取，得到優化特征圖，包括：
7.根據權利要求6所述的方法，其特征在于，所述信息提煉單元包括級聯卷積模塊、批歸一化層、激活層和池化層；所述根據所述信息提煉單元對所述原始特征圖進行局部信息提
8.一種圖像識別裝置，其特征在于，所述裝置包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種圖像識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述根據所述調度系數和所述映射特征表示確定所述優化特征圖對應的提示特征，包括：
3.根據權利要求1所述的方法，其特征在于，所述基于所述特征融合單元對所述提示特征和所述優化特征圖進行特征融合，得到特征詞元，包括：
4.根據權利要求1所述的方法，其特征在于，所述圖像識別模型還包括屬性識別單元，所述屬性識別單元包括多個多層感知機，每個所述多層感知機用于識別各目標屬性；
5.根據權利要求1所述的方法，其特征在于，所述圖像識別模型還包括目標檢測單元；所述基于所述提取單元對待檢測圖像進行特征提取，得到優化特征圖，包括：
6.根據權利要求5所述的方法，其特...
【專利技術屬性】
技術研發人員：王灣灣，呂逸良，王楊俊杰，
申請(專利權)人：中電金信數字科技集團股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。