[发明专利]图像目标识别方法、装置、计算机设备及可读存储介质

说明书

本发明涉及人工智能技术领域，公开了一种图像目标识别方法、装置、计算机设备及可读存储介质，包括：获取目标物体的图像；对所述图像进行卷积运算得到反映所述图像内容的目标特征；通过预生成的锚框在所述目标特征上生成候选框，识别覆盖所述目标物体的候选框并将其设为目标框；根据所述目标框识别所述目标物体的类别。本发明还涉及区块链技术，信息可存储于区块链节点中。本发明通过识别图像中能够反映所述目标物体的目标框，并根据所述目标框对目标物体的类别进行识别判断，极大的提高了车辆在不同状况的日照环境和拍摄角度所生成的图像的目标物体识别准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像目标识别方法、装置、计算机设备及可读存储介质。

背景技术

随着车辆违规行为的不断增加，对违规车辆的身份进行快速认证，是城市交通管理中非常重要的任务。车辆品牌作为车辆的一个重要属性，对它的自动识别成为车辆身份认证中不可或缺的环节之一。因此，通常采用神经网络识别车辆的车辆品牌，以在保证识别准确度的同时，提高车辆品牌的识别效率。

但是，发明人意识到，这种方法通常在日照环境及拍摄角度较好的情况下有较高的识别准确度，一旦遇到在雾霾、雨天、夜间等日照环境较差的情况，或拍摄角度为车侧面等较差角度下，当前的神经网络模型的往往难以对车辆的车辆品牌进行准确识别。

发明内容

本发明的目的是提供一种图像目标识别方法、装置、计算机设备及可读存储介质，用于解决现有技术存在的神经网络模型难以对日照环境或拍摄角度较差情况下的图像中，车辆的车辆品牌进行准确识别的问题。

为实现上述目的，本发明提供一种图像目标识别方法，包括：

获取目标物体的图像；

对所述图像进行卷积运算得到反映所述图像内容的目标特征；

通过预生成的锚框在所述目标特征上生成候选框，识别覆盖所述目标物体的候选框并将其设为目标框；

根据所述目标框识别所述目标物体的类别。

上述方案中，所述通过预生成的锚框在所述目标特征上生成候选框之前，所述方法还包括：

增强所述目标特征中的有效特征，抑制所述目标物体特征中的无效特征；

所述增强所述目标特征中的有效特征，抑制所述目标物体特征中的无效特征的步骤，包括：

获取目标特征，对所述目标特征进行分块形成区块特征；

通过注意力机制对所述区块特征，增强区块特征中的有效特征并抑制所述区块特征中的无效特征得到注意区块特征；

对所述拼接所述注意区块特征，获得增强有效特征且抑制无效特征的目标特征。

上述方案中，所述通过注意力机制对所述区块特征，增强区块特征中的有效特征并抑制所述区块特征中的无效特征得到注意区块特征的步骤，包括：

对所述区块特征进行全局最大池化，以识别所述区块特征中的初级有效特征；

对所述初级有效特征中的有效特征进行全连接运算，获得所述初级有效特征中的注意力特征；

将所述区块特征与所述注意力特征相乘得到注意区块特征。

上述方案中，所述全局最大池化是基于区块特征的全局上下文关系，由全局最大池化层的输入层获取所述区块特征中的特征值，提取所述输入层中最大的特征值，并将其保留在全局最大池化层的中间层，再提取所述中间层中最大的特征值并将其保留在所述全局最大池化层的输出层的过程。

上述方案中，通过以下步骤生成所述锚框：

获取具有训练目标的训练图像，所述训练图像中标记有所述训练目标的训练尺寸；