[发明专利]图像识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取输入图像，并对所述输入图像进行预处理得到第一图像；获取用于检测待检测目标的位置检测模型；将所述第一图像输入至所述位置检测模型中得到所述待检测目标所在的第一区域检测框位置；将包含所述待检测目标的所述第一区域检测框位置映射到所述输入图像中，并在所述输入图像中截取第一区域检测框位置对应的区域得到第二图像；获取目标识别模型；将所述第二图像输入至所述目标识别模型中以对图像内容进行识别处理。采用本方法能够提高图像识别准确性和实时性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像识别方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，出现了图像识别技术，基于端到端的图像检测神经网络模型都是采用复杂神经神经网络，模型复杂、参数多、运算耗时长、复杂环境下识别准确度低；这种端到端的神经网络检测方法图像中目标位置检测精度低，造成后续图像内容识别准确度低；同时由于模型输入的限制，输入图像分辨率低，造成本就占有整幅画面极小的待检测图像感兴趣区域细节更加模糊，进一步降低了识别准确率；由于模型复杂，无法实现在终端高效计算，因此增加了后端部署成本以及不能实现实时检测结果输出。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像识别准确性和实时性的图像识别方法、装置、计算机设备和存储介质。

一种图像识别方法，所述方法包括：

获取输入图像，并对所述输入图像进行预处理得到第一图像；

获取用于检测待检测目标的位置检测模型；

将所述第一图像输入至所述位置检测模型中得到所述待检测目标所在的第一区域检测框位置；

将包含所述待检测目标的所述第一区域检测框位置映射到所述输入图像中，并在所述输入图像中截取所述第一区域检测框位置对应的区域得到第二图像；

获取目标识别模型；

将所述第二图像输入至所述目标识别模型中以对图像内容进行识别处理。

在其中一个实施例中，在将所述第一图像输入至位置检测模型中之前，还包括：

将所述第一图像进行降低分辨率处理和/或将所述第一图像转化为灰度图。

在其中一个实施例中，所述位置检测模型包括第一检测模型，所述第一检测模型为轻量级神经网络模型，所述轻量级神经网络模型被配置为用于获得所述待检测目标所在的第一区域检测框的粗略位置；

所述将包含所述待检测目标的所述第一区域检测框位置映射到所述输入图像中，并在所述输入图像中截取所述第一区域检测框位置对应的区域得到第二图像之前，还包括：

将包含所述待检测目标的所述第一区域检测框的尺寸扩大。

在其中一个实施例中，所述将包含所述待检测目标的所述第一区域检测框的尺寸扩大，包括：

将包含所述待检测目标的所述第一区域检测框的尺寸同比例扩大2倍或1倍。

在其中一个实施例中，所述位置检测模型还包括第二检测模型；所述将所述第二图像输入至所述目标识别模型中之前，还包括：

获取用于检测待检测目标轮廓的精确外接检测框位置的第二检测模型；

将所述第二图像输入至所述第二检测模型中，获得所述待检测目标的精确区域检测框位置；所述待检测目标的精确区域检测框位置是指所述待检测目标的轮廓外接检测框位置；

将所述精确区域检测框位置对应的图像按照所述目标识别模型的输入要求进行仿射变换，得到第三图像，所述第三图像作为所述目标识别模型输入数据，用于目标内容识别。