[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，包括：

获取待识别的图像；

将所述图像输入残差神经网络的第一预设块，获取所述图像对应的第一图像特征；

将所述第一图像特征输入依次排列的残差神经网络的第二预设块、注意力模型、第一卷积层以及池化层，得到具有位置表征和通道表征的表征图像特征，以及对应的第一标签信息；

将所述第一图像特征输入依次排列的第二卷积层和双向神经网络，得到具有标签相关性表征的第二标签信息；

根据所述第一标签信息和所述第二标签信息，确定所述图像对应的标签信息；

其中，所述双向神经网络为双向长短期记忆网络或者双向循环神经网络；

所述残差神经网络包括：5个残差块；

所述第一预设块为所述残差神经网络中的前4个残差块；

所述第二预设块为所述残差神经网络中的第5个残差块。

2.根据权利要求1所述的方法，其特征在于，所述注意力模型包括：位置注意力模块和通道注意力模块；

所述将所述第一图像特征输入依次排列的残差神经网络的第二预设块、注意力模型、第一卷积层以及池化层，得到具有位置表征和通道表征的表征图像特征，以及对应的第一标签信息，包括：

将所述第一图像特征输入残差神经网络的第二预设块，得到第二图像特征；

将所述第二图像特征分别输入位置注意力模块和通道注意力模块，获取具有位置表征的图像特征和具有通道表征的图像特征；

对具有位置表征的图像特征和具有通道表征的图像特征进行融合，得到所述表征图像特征；

将所述表征图像特征输入第一卷积层和池化层，得到所述第一标签信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一图像特征输入依次排列的第二卷积层和双向神经网络，得到具有标签相关性表征的第二标签信息，包括：

将所述第一图像特征输入第二卷积层，得到类别注意力图，所述类别注意力图中包括：所述图像中各个类别对应的图像特征；

将所述类别注意力图输入所述双向神经网络，获取具有标签相关性表征的第二标签信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一标签信息和所述第二标签信息，确定所述图像对应的标签信息，包括：

对所述第一标签信息和所述第二标签信息进行加权求和，得到所述图像对应的标签信息。

5.根据权利要求1所述的方法，其特征在于，所述将所述图像输入残差神经网络的第一预设块，获取所述图像对应的第一图像特征之前，还包括：

获取训练数据，所述训练数据中包括：大于预设数量的图像以及对应的真实标签信息；

根据所述训练数据，对所述残差神经网络、注意力模型、第一卷积层、池化层、第二卷积层以及双向神经网络进行训练。

6.根据权利要求5所述的方法，其特征在于，所述根据所述训练数据，对所述残差神经网络、注意力模型、第一卷积层、池化层、第二卷积层以及双向神经网络进行训练，包括：

针对所述训练数据中的每个图像，获取所述图像对应的第一标签信息；根据所述图像对应的第一标签信息以及真实标签信息，计算第一交叉熵，根据第一交叉熵对残差神经网络、注意力模型、第一卷积层和池化层的系数进行调整，直至第一交叉熵处于稳定状态；

固定所述残差神经网络的第一预设块的系数，针对所述训练数据中的每个图像，获取所述图像对应的第二标签信息，根据所述图像对应的第二标签信息以及真实标签信息，计算第二交叉熵，根据第二交叉熵对所述第二卷积层以及所述双向神经网络的系数进行调整，直至第二交叉熵处于稳定状态。