[发明专利]一种图像识别方法及装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

对待识别图像进行卷积处理，得到多个不同尺寸的第一特征图；

所述对待识别图像进行卷积处理，得到多个不同尺寸的第一特征图，包括：利用残差网络和/或特征金字塔对待识别图像进行卷积处理，得到多个不同尺寸的第一特征图；

所述利用残差网络和/或特征金字塔对待识别图像进行卷积处理，得到多个不同尺寸的第一特征图，包括：利用残差网络和/或特征金字塔对待识别图像进行卷积处理，得到多个不同尺寸的初始特征图；分别对各个所述初始特征图进行卷积处理和上采样处理，得到与各个所述初始特征图对应的第一特征图；在所述第一特征图和所述第一特征图对应的初始特征图的尺寸一致的情况下，卷积处理和上采样处理的次数一致，而在所述第一特征图和所述第一特征图对应的初始特征图的尺寸不一致的情况下，卷积处理和上采样处理的次数不一致；

对所述第一特征图进行上采样处理，并进行多个所述第一特征图之间的特征融合，得到多个不同尺寸的第二特征图；

基于所述第二特征图得到所述待识别图像的分类结果；

所述基于所述第二特征图得到所述待识别图像的分类结果，包括：对所述第二特征图进行处理，得到所述待识别图像中的目标对象对应的多个物体框；利用非极大值抑制的方法对所述多个物体框进行筛选，得到所述待识别图像的分类结果；

所述利用非极大值抑制的方法对所述多个物体框进行筛选，得到所述待识别图像的分类结果，包括：利用非极大值抑制的方法对所述多个物体框进行筛选，得到所述待识别图像中的目标对象对应的目标框；将所述待识别图像中的目标对象对应的目标框输入完成训练的神经网络中，得到所述神经网络输出的多个目标框中的目标图像之间的相似度；基于所述相似度对所述目标框进行筛选，得到所述待识别图像的分类结果；

在得到物体框后，将待识别图像中的目标对象对应的物体框输入完成训练的神经网络中，得到神经网络输出的各个物体框中的图像之间的相似度，进而根据物体框中的图像的相似度对物体框进行筛选；为非极大值抑制设置较大的阈值，以得到较多数量的目标框，避免非极大值抑制错误的去除了物体框。

2.根据权利要求1所述的方法，其特征在于，具有目标尺寸的第二特征图可以通过以下方式得到：

对小于所述目标尺寸的至少一个其他尺寸的第一特征图进行上采样，得到所述其他尺寸的第一特征图对应的上采样特征图，所述上采样特征图具有目标尺寸；

对具有所述目标尺寸的第一特征图以及所述上采样特征图进行融合，得到具有所述目标尺寸的第二特征图。