[发明专利]精细目标识别方法和系统

说明书

本发明提供了一种精细目标识别方法和系统，涉及图像处理技术领域，其中，提取待识别图像的特征描述，生成目标显著图；通过所述目标显著图对所述待识别图像进行处理，得到所述待识别图像的目标候选区域；检索所述待识别图像的K近邻图像，并对所述K近邻图像进行处理，得到所述K近邻图像的目标候选区域；计算所述待识别图像的目标候选区域和所述K近邻图像的目标候选区域的相似度；根据所述相似度以及K近邻图像的目标候选区域之间的相似度之和，确定所述待识别图像的精细目标区域。从而实现不需要对待识别图像进行强标注，就能够对精细目标进行描述，节省了大量的时间和人力，提高了精细目标的识别效率。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种精细目标识别方法和系统。

背景技术

由于精细目标具有较小的类间差距，精确的局部描述对于精细目标识别非常重要，而传统的算法需要待识别图片中含有完备的人工标注信息，但是人工标记信息的获取是费时费力的，无法应用到大规模的实际生活中的图像识别中，因此如何更加简便随精细目标进行识别成为了一个亟待解决的问题。

相关技术主要是利用强标注对精细目标来进行识别，首先利用训练图像中的强标注信息预测得到测试图像中可能含有物体的局部区域；再利用卷积神经网络模型模型提取该局部区域的深度特征；最后进行特征融合，生成精细目标的描述。

但是，现有技术中需要对局部区域的属性和局部特征点进行强标注，在进行强标注时需要大量的时间和人力，而且只有少数小数据集提供人工强标注信息，大部分大数据集上很难提供人工标注信息，因此现有方法可移植性差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种精细目标识别方法和系统，以实现在无监督的情形下，进行精细目标的检测和区分性区域的提取。

第一方面，本发明实施例提供了精细目标识别方法，所述方法包括：

提取待识别图像的特征描述，生成目标显著图；

通过所述目标显著图对所述待识别图像进行处理，得到所述待识别图像的目标候选区域；

检索所述待识别图像的K近邻图像，并对所述K近邻图像进行处理，得到所述K近邻图像的目标候选区域；

计算所述待识别图像的目标候选区域和所述K近邻图像的目标候选区域的相似度；

根据所述相似度以及K近邻图像的目标候选区域之间的相似度之和，确定所述待识别图像的精细目标区域。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，提取待识别图像的特征描述，生成目标显著图，包括：

将所述待识别图像的尺寸改变到预设尺寸；

训练DomainNet卷积神经网络模型提取预设尺寸下所述待识别图像的pool5层特征，得到所述待识别图像的特征描述；

通过所述待识别图像的特征描述对所述待识别图像进行处理，得到所述待识别图像的目标显著图。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，通过所述待识别图像的特征描述对所述待识别图像进行处理，得到所述待识别图像的目标显著图，包括：

通过以下公式计算出所述目标显著图：

其中，I表示待识别图像，m_I表示目标显著图，为所述待识别图像的特征描述，i表示图像的特征描述中点的横坐标，j表示图像的特征描述中点的纵坐标，c表示特征通道，p5表示卷积神经网络DomainNet的第五层的池化特征。