[发明专利]基于可变形卷积的图像识别方法、装置、计算机设备

说明书

本发明公开了基于可变形卷积的图像识别方法、装置、计算机设备及存储介质。方法包括：采用一张训练图像对第一偏置域进行调整，根据第一偏置域及卷积层对该训练图像进行可变形卷积得到训练特征图像，根据训练特征图像及训练图像对第二偏置域进行调整得到训练后的可变形卷积神经网络，根据多次训练后的可变形卷积神经网络对待识别图像进行识别得到对应的识别结果并反馈至所述客户端。本发明基于神经网络技术，通过包含第一偏置域及第二偏置域的可变形卷积神经网络，采用可变形卷积对待识别图像进行识别，可对待识别图像中像素不连续的待识别图形进行识别，大幅提升了对图像中所包含的不规则图形进行识别的精准度。

技术领域

本发明涉及神经网络技术的技术领域，尤其涉及一种基于可变形卷积的图像识别方法、装置、计算机设备及存储介质。

背景技术

随着人工智能的发展，图像识别技术被应用在越来越多的领域中，现有的图像识别技术均是基于卷积神经网络实现的，其通常是由卷积层、池化层和全连接层组成，现有的图像识别技术在图像中被识别图形的形状较为规则时适用性良好，在图像中被识别图形的形状不规则时，无法得到精确的识别结果，例如，若车辆外观的图像中包含车辆划痕，由于车辆划痕通常呈长条形，其形状不规则且划痕区域在整个图像中的占比通常低于10％，因此采用传统的图像识别技术对图像中车辆划痕的区域进行识别时，无法对车辆划痕的区域进行精确识别，也即是无法得到精确的识别结果。因而，现有技术方法存在无法对图像中所包含的不规则图形进行精确识别的问题。

发明内容

本发明实施例提供了一种基于可变形卷积的图像识别方法、装置、计算机设备及存储介质，旨在解决现有的现有技术方法所存在的无法对图像中所包含的不规则图形进行精确识别的问题。

第一方面，本发明实施例提供了一种基于可变形卷积的图像识别方法，其包括：

若接收到用户所输入的可变形卷积神经网络，从预存的训练图像集中获取一张图像作为对所述可变形卷积神经网络进行训练的训练图像；

根据所述训练图像及所述训练图像的目标框对所述可变形卷积神经网络的第一偏置域的参数值进行调整；

根据调整后的所述第一偏置域及所述可变形卷积神经网络的卷积层对所述训练图像进行可变形卷积以得到与所述训练图像对应的训练特征图像；

根据所述训练特征图像、所述训练图像的目标框及目标分类系数对所述可变形卷积神经网络的第二偏置域及全连接层中的参数值进行调整，以得到进行训练后的所述可变形卷积神经网络；

若接收到来自客户端的待识别图像，根据多次训练后的所述可变形卷积神经网络对所述待识别图像进行识别以获取所述待识别图像的识别结果并反馈至所述客户端。

第二方面，本发明实施例提供了一种基于可变形卷积的图像识别装置，其包括：

训练图像获取单元，用于若接收到用户所输入的可变形卷积神经网络，从预存的训练图像集中获取一张图像作为对所述可变形卷积神经网络进行训练的训练图像；

第一偏置域调整单元，用于根据所述训练图像及所述训练图像的目标框对所述可变形卷积神经网络的第一偏置域的参数值进行调整；

训练特征图像获取单元，用于根据调整后的所述第一偏置域及所述可变形卷积神经网络的卷积层对所述训练图像进行可变形卷积以得到与所述训练图像对应的训练特征图像；

第二偏置域调整单元，用于根据所述训练特征图像、所述训练图像的目标框及目标分类系数对所述可变形卷积神经网络的第二偏置域及全连接层中的参数值进行调整，以得到进行训练后的所述可变形卷积神经网络；

待识别图像识别单元，用于若接收到来自客户端的待识别图像，根据多次训练后的所述可变形卷积神经网络对所述待识别图像进行识别以获取所述待识别图像的识别结果并反馈至所述客户端。