[发明专利]目标识别方法、装置、计算机设备和存储介质

权利要求书

1.一种目标识别方法，其特征在于，所述方法包括：

基于目标示例图像，得到每个所述目标示例图像对应的Support特征向量和全部所述目标示例图像对应的Attention向量，其中，每个所述目标示例图像中只包含一个目标；

将待识别图像和所述Attention向量输入区域生成模型，得到目标候选区域的坐标信息和置信度；

根据所述坐标信息和所述置信度在所述待识别图像中截取所述目标候选区域，得到Query图像；

将所述Query图像输入图像检索模型，得到Query特征向量；

对所述Query特征向量和所述Support特征向量进行相似性度量，得到相似度分值；

根据所述相似度分值确定所述待识别图像对应的目标类别。

2.根据权利要求1所述的目标识别方法，其特征在于，“基于目标示例图像，得到每个所述目标示例图像对应的Support特征向量和全部所述目标示例图像对应的Attention向量”的步骤具体包括：

对所述目标示例图像进行第一预处理，得到第一Support图像；

将每个所述第一Support图像输入所述图像检索模型，得到其所对应的所述Support特征向量；

对所述目标示例图像进行第二预处理，得到第二Support图像；

将全部所述第二Support图像输入所述区域生成模型，得到所述Attention向量；

其中，所述第一预处理和所述第二预处理包括下列各项中的至少一种：图像缩放、图像填充、图像存储格式转换、归一化。

3.根据权利要求1所述的目标识别方法，其特征在于，所述图像检索模型为下列卷积神经网络中的至少一种：VGGNet、ResNet、AlexNet、RepVGG；并且/或者

所述区域生成模型为Attention-RPN网络；并且/或者

所述相似性度量的方法包括下列方法中的至少一种：欧氏距离、余弦距离、曼哈顿距离、切比雪夫距离、马氏距离。

4.根据权利要求1所述的目标识别方法，其特征在于，“根据所述坐标信息和所述置信度在所述待识别图像中截取所述目标候选区域，得到Query图像”的步骤具体包括：

通过非极大值抑制法对所述置信度进行筛选；

根据所述置信度筛选结果所对应的所述坐标信息，在所述待识别图像中截取所述目标候选区域，得到所述Query图像。

5.一种目标识别装置，其特征在于，所述装置包括：

图像获取模块，所述图像获取模块被配置成获取目标示例图像和待识别图像；

数据初始化模块，所述数据初始化模块被配置成执行以下操作：

基于目标示例图像，得到每个所述目标示例图像对应的Support特征向量和全部所述目标示例图像对应的Attention向量，其中，每个所述目标示例图像中只包含一个目标；

特征提取模块，所述特征提取模块被配置成执行以下操作：

将待识别图像和所述Attention向量输入区域生成模型，得到目标候选区域的坐标信息和置信度，

根据所述坐标信息和所述置信度在所述待识别图像中截取所述目标候选区域，得到Query图像，

将所述Query图像输入图像检索模型，得到Query特征向量；

目标匹配模块，所述目标匹配模块被配置成执行以下操作：

对所述Query特征向量和所述Support特征向量进行相似性度量，得到相似度分值，

根据所述相似度分值确定所述待识别图像对应的目标类别。