[发明专利]图像识别方法及装置

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：

获取待识别的三维成像图；

通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及热度图，所述图像特征用于指示所述三维成像图中的目标对象所在的区域，所述热度图由所述特征提取模型分支根据所述图像特征构建生成；

通过识别模型分支对所述图像特征以及所述热度图进行识别处理，获得所述三维成像图对应的识别结果，所述识别结果中包含所述三维成像图的图像属性。

2.根据权利要求1所述的方法，其特征在于，所述通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及根据所述图像特征构建的热度图，包括：

通过所述特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及所述三维成像图与至少两个分辨率分别对应的热度图。

3.根据权利要求1或2所述的方法，其特征在于，所述通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及根据所述图像特征构建的热度图，包括：

将所述三维成像图分割为至少两个三维图像块；

对于所述至少两个三维图像块中的每一个三维图像块，将所述三维图像块输入所述特征提取模型分支，获得所述三维图像块对应的子图像特征以及根据所述子图像特征构建的子热度图；

将所述至少两个三维图像块各自对应的子图像特征组合成所述图像特征；

将所述至少两个三维图像块各自对应的子热度图组合成所述热度图。

4.根据权利要求2所述的方法，其特征在于，所述至少两个分辨率对应各自的权重，所述通过识别模型分支对所述图像特征以及所述热度图进行处理，获得所述三维成像图对应的识别结果，包括：

对于所述三维成像图与至少两个分辨率分别对应的热度图中的每一个热度图，通过所述识别模型分支，将所述图像特征和所述热度图进行点乘，根据所述至少两个分辨率对应的各自的权重，对所述三维成像图与至少两个分辨率分别对应的热度图的点乘结果进行加权求和，并根据加权求和的结果获得所述三维成像图对应的识别结果。

5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：

在获取所述三维成像图之前，获取已标注有图像属性和对象区域属性的三维成像图样本，所述对象区域属性包括所述三维成像图样本中的对象区域的坐标和尺寸；

根据所述对象区域属性构建热度图样本；

根据所述三维成像图样本和所述热度图样本进行模型训练，获得所述特征提取模型分支以及图像特征样本，所述图像特征样本是通过所述特征提取模型分支对所述三维成像图样本进行处理获得的图像特征；

根据所述热度图样本、所述图像特征样本以及所述三维成像图样本对应的图像属性进行模型训练，获得所述识别模型分支。

6.根据权利要求5所述的方法，其特征在于，所述根据所述三维成像图样本和所述热度图样本进行模型训练，获得所述特征提取模型分支以及图像特征样本之前，还包括：

对所述热度图样本进行正则化处理，获得正则化处理后的热度图样本；

所述根据所述三维成像图样本和所述热度图样本进行模型训练，获得所述特征提取模型分支以及图像特征样本，包括：

根据所述三维成像图样本和所述正则化处理后的热度图样本进行模型训练，获得所述特征提取模型分支以及图像特征样本。

7.根据权利要求1至4任一所述的方法，其特征在于，所述特征提取模型分支包含三维深度卷积残缺网络以及特征金字塔网络，所述通过特征提取模型分支对所述三维成像图进行处理，获得所述三维成像图的图像特征以及根据所述图像特征构建的热度图，包括：

通过所述三维深度卷积残缺网络从所述三维成像图中提取所述图像特征，并通过所述特征金字塔网络和所述图像特征构建所述热度图。

8.根据权利要求1至4任一所述的方法，其特征在于，所述识别模型分支为基于注意力机制的端到端模型。