[发明专利]一种图像识别方法及装置

说明书

本申请实施例提供了一种图像识别方法及装置，对待识别图像进行卷积处理，可以得到多个不同尺寸的第一特征图，对第一特征图进行上采样处理，并进行多个第一特征图之间的特征融合，可以得到多个不同尺寸的第二特征图，基于第二特征图可以得到待识别图像的分类结果。本申请实施例中，不同尺寸的第一特征图可以包括待识别图像中的不同特征，而通常来说大尺寸的特征图包括全局信息，而小尺寸的特征图体现局部信息，第二特征图融合了不同尺寸的特征图，兼具全局信息和局部信息，具有更全面的特征，因此基于第二特征图得到的待识别图像的分类结果也更加准确和全面，因此，提高了图像识别的准确性。

技术领域

本发明涉及计算机领域，特别是涉及一种图像识别方法及装置。

背景技术

目前，可以对图像进行识别，得到图像中的目标对象的特征，具体的，可以构建实现分类任务的神经网络，从而利用神经网络进行特征提取、类别分类以及物体框回归。现有技术中以残差网络(Residual Network，ResNet)作为神经网络的骨干网络进行特征提取，然而这种神经网络对图像的识别有时不够准确，尤其是在目标对象具有一定的遮挡或者特征较少的情况下，往往不能有效识别出目标对象。

发明内容

为解决上述技术问题，本申请实施例提供一种图像识别方法及装置，提高图像识别的准确性。

本申请实施例提供了一种图像识别方法，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；

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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。