[发明专利]用于识别图像的方法和装置有效

专利信息
申请号: 201910489384.0 申请日: 2019-06-06
公开(公告)号: CN110222641B 公开(公告)日: 2022-04-19
发明(设计)人: 聂磊;肖慧慧;刘明浩;郭江亮;李旭 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06V20/17 分类号: G06V20/17;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 识别 图像 方法 装置
【权利要求书】:

1.一种用于识别图像的方法,包括:

将目标遥感图像划分成子图,得到子图集合;

将所述子图集合中各个子图分别输入预先训练的目标检测模型,得到各个子图对应的目标区域,存入目标区域集合,其中,所述目标检测模型基于各子图的多层特征图检测各子图的目标区域,所述多层特征图中的各层特征图所描述的子图的特征不同;

基于所述目标区域集合中的各个目标区域,确定各个目标区域所呈现的目标的身份信息;以及

在所述目标遥感图像上,在对应各个目标区域的坐标位置处,标示对应各个目标区域所呈现的目标的身份信息;所述预先训练的目标检测模型被配置成执行以下步骤:

提取所输入的子图的预设数目个特征图,从所提取的预设数目个特征图中确定出尺寸最大的特征图,以及提取尺寸最大的特征图的尺寸;

将所述预设数目个特征图中除尺寸最大的特征图外的特征图的尺寸调整为与尺寸最大的特征图的尺寸相同;

对预设数目个相同尺寸的特征图进行卷积运算,得到新特征图,以及基于所述新特征图确定出所输入的子图的目标区域。

2.根据权利要求1所述的方法,其中,所述基于所述目标区域集合中的各个目标区域,确定各个目标区域所呈现的目标的身份信息包括:

将所述目标区域集合中的各个目标区域分别输入预先训练的细粒度图像分类模型,得到各个目标区域所呈现的目标的身份信息。

3.根据权利要求1所述的方法,其中,所述将目标遥感图像划分成子图,得到子图集合包括:

按照预设偏移顺序和偏移重叠量,将所述目标遥感图像划分为子图,得到所述子图集合,其中,所述子图的尺寸为预设参考尺寸。

4.根据权利要求1所述的方法,其中,所述方法还包括:

获取遥感图像,对所述遥感图像进行图像预处理,得到所述目标遥感图像。

5.根据权利要求4所述的方法,其中,所述对所述遥感图像进行图像预处理,包括以下至少一项:

从所述遥感图像中识别出预设参照物,获取所述预设参照物在所述遥感图像中的位置信息,以及基于所述位置信息,确定所述遥感图像在预设坐标系中的角度和位移,按照所述角度和位移,调整所述遥感图像;

将所述遥感图像的分辨率提升为预设分辨率。

6.根据权利要求5所述的方法,其中,所述将所述遥感图像的分辨率提升为预设分辨率,包括:

将所述遥感图像输入预先训练的分辨率调整模型,以得到具有预设分辨率的遥感图像,其中,所述分辨率调整模型为生成对抗网络模型。

7.根据权利要求1所述的方法,其中,所述预先训练的目标检测模型,通过如下方式训练得到:

获取第一训练样本集合,其中,第一训练样本包括子图和子图的目标区域以及目标区域的旋转角度;

将所述第一训练样本集合中的第一训练样本的子图作为输入,将与输入的子图对应的目标区域以及目标区域的旋转角度作为期望输出,训练得到所述目标检测模型。

8.根据权利要求2所述的方法,其中,所述预先训练的细粒度图像分类模型,通过如下方式训练得到:

获取第二训练样本集合,其中,第二训练样本包括目标区域和目标区域所呈现的目标的身份信息,所述目标区域为遥感图像中所呈现的目标所在区域;

将所述第二训练样本集合中的第二训练样本的目标区域作为输入,将与输入的目标区域对应的身份信息作为期望输出,训练得到所述细粒度图像分类模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910489384.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top