[发明专利]图像物体识别方法、装置、计算机设备及存储介质

权利要求书

1.一种图像物体识别方法，其特征在于，所述图像物体识别方法包括：

搭建卷积神经网络，将待识别图像输入所述卷积神经网络获取m幅卷积特征图，其中m大于1；

将每幅卷积特征图压缩成n维向量以获取m个n维向量，将所述m个n维向量一维化并通过全连接层进行学习以获取图像表征；

对所述图像表征进行分类并输出所述待识别图像的分类概率。

2.如权利要求1所述的图像物体识别方法，其特征在于，所述“搭建卷积神经网络，将待识别图像输入所述卷积神经网络获取m幅卷积特征图”包括：

搭建具有5个卷积层的vgg16模型，将待识别图像输入所述vgg16模型中获取m幅卷积特征图。

3.如权利要求2所述的图像物体识别方法，其特征在于，所述“将待识别图像输入所述vgg16模型中获取m幅卷积特征图”包括：

将待识别图像输入所述vgg16模型中获取512幅7×7的卷积特征图。

4.如权利要求3所述的图像物体识别方法，其特征在于，所述“将每幅卷积特征图压缩成n维向量以获取m个n维向量，将所述m个n维向量一维化并通过全连接层进行学习以获取图像表征”包括：

将每幅卷积特征图压缩成49维向量以获取512个49维向量，将所述512个49维向量一维化得到1×25088个向量，将所述1×25088个向量通过全连接层进行学习以获取图像表征。

5.如权利要求1所述的图像物体识别方法，其特征在于，所述“对所述图像表征进行分类并输出所述待识别图像的分类概率”，包括：

通过分类器对所述图像表征进行分类，获取出现最大概率值对应的标签作为所述待识别图像的输出标签。

6.一种图像物体识别装置，其特征在于，所述图像物体识别装置包括：

特征图获取模块，用于搭建卷积神经网络，将待识别图像输入所述卷积神经网络获取m幅卷积特征图，其中m大于1；

图像表征输出模块，用于将每幅卷积特征图压缩成n维向量以获取m个n维向量，将所述m个n维向量一维化并通过全连接层进行学习以获取图像表征；

分类模块，用于对所述图像表征进行分类并输出待识别图像的分类概率。

7.如权利要求6所述的图像物体识别装置，其特征在于，所述特征图获取模块具体用于搭建具有5个卷积层的vgg16模型，将待识别图像输入所述vgg16模型中获取m幅卷积特征图。

8.如权利要求6所述的图像物体识别装置，其特征在于，所述图像表征输出模块具体用于将每幅卷积特征图压缩成49维向量以获取512个49维向量，将所述512个49维向量一维化得到1×25088个向量，将所述1×25088个向量通过全连接层进行学习以获取图像表征。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。