[发明专利]图像识别方法、装置、设备及存储介质

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取银行卡图像，对所述银行卡图像进行增强对比度的预处理，获得待识别的银行卡图像；

采用预设图像分割模型，对所述待识别的银行卡图像进行分割处理，获得所述预设图像分割模型输出的包含银行卡号区域的图像分割结果；

采用预配置的深度和宽度的双通道图像识别模型，对所述图像分割结果进行多次深度和宽度的识别处理，获取所述待识别的银行卡图像识别结果。

2.根据权利要求1所述的方法，其特征在于，所述预配置的深度和宽度的双通道图像识别模型获取方式为：

对待训练的银行卡图像进行增强对比度的预处理，获得预处理图像；

对所述预处理图像进行图像扩增处理，以获得训练数据；

采用预设图像分割模型，对所述训练数据进行分割处理，获得所述预设图像分割模型输出的包含银行卡号区域的待训练的图像分割结果；

根据所述待训练的图像分割结果和所述待训练的银行卡图像中的银行卡号的标签数据，对初始建立的深度和宽度的双通道图像识别模型进行训练，以获得训练后的所述预配置的深度和宽度的双通道图像识别模型。

3.根据权利要求1所述的方法，其特征在于，所述预配置的深度和宽度的双通道图像识别模型包括：深度分类网络模型和宽度分类网络模型；

所述采用预配置的深度和宽度的双通道图像识别模型，对所述图像分割结果进行多次深度和宽度的识别处理，获取所述待识别的银行卡图像识别结果，包括：

采用所述深度分类网络模型中的预设非对称卷积残差块结构、预设非对称卷积残差通道注意力模块及对应的最大池化层，对所述图像分割结果进行多次特征提取操作和最大池化操作，以获取第一特征图像；

采用所述宽度分类网络模型中的预设多尺度宽度卷积模块及对应的最大池化层，对所述图像分割结果进行多次特征提取操作和最大池化操作，以获取第二特征图像；

将所述第一特征图像和所述第二特征图像进行拼接处理，获取所述待识别的银行卡图像识别结果。

4.根据权利要求3所述的方法，其特征在于，所述预设非对称卷积残差块结构包括：第一图像处理层和第二图像处理层，所述预设非对称卷积残差通道注意力模块包括：第三图像处理层、第四图像处理层及通道注意力模块；

若对所述图像分割结果进行两次特征提取操作，则所述采用所述深度分类网络模型中的预设非对称卷积残差块结构、预设非对称卷积残差通道注意力模块及对应的最大池化层，对所述图像分割结果进行多次特征提取操作和最大池化操作，以获取第一特征图像，包括：

将所述图像分割结果输入至所述第一图像处理层，获得第一结果，所述第一图像处理层对输入的所述图像分割结果依次进行批标准化操作、ReLU激活操作、非对称卷积操作及DropBlock操作；

将所述第一结果输入至所述第二图像处理层，获得第二结果，所述第二图像处理层对输入的所述第一结果依次进行批标准化操作、ReLU激活操作及非对称卷积操作；

将所述第二结果和所述图像分割结果进行相加，得到第一相加结果；

将所述第一相加结果输入至所述第三图像处理层，获得第三结果，所述第三图像处理层对输入的所述第一相加结果依次进行批标准化操作、ReLU激活操作、非对称卷积操作及DropBlock操作；

将所述第三结果输入至所述第四图像处理层，获得第四结果，所述第四图像处理层对输入的所述第三结果依次进行批标准化操作、ReLU激活操作、非对称卷积操作及DropBlock操作；

将所述第四结果输入至所述通道注意力模块，获得增强特征图像；

将所述第一相加结果和所述增强特征图像进行相加，得到第二相加结果；

采用所述最大池化层对所述第二相加结果进行最大池化操作，得到池化操作结果；

采用所述第一图像处理层、所述第二图像处理层、所述第三图像处理层、所述第四图像处理层及所述通道注意力模块对所述池化操作结果进行二次特征提取，以获取所述第一特征图像。