[发明专利]一种基于神经网路的目标识别方法、设备及介质

说明书

本申请公开了一种基于神经网路的目标识别方法、设备及介质，包括：将待识别图像输入至预先训练的识别模型，确定出识别结果，其中，所述识别模型包括分级模块、放大模块及识别模块；判断所述识别结果是否为预先设置的类型；若判断出所述识别结果为预先设置的类型，将所述识别结果对应的目标进行标记。本申请实施例通过识别模型确定出识别结果，并判断该识别结果是否为预先设置的类型，最终可以完成目标的识别，使得目标识别的效果更显著。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于神经网路的目标识别方法、设备及介质。

背景技术

目标识别是计算机视觉领域中的一个重要分支。现有的目标识别技术主要基于深度学习框架，虽然已经取得了重大突破，但在现有技术中，目标识别的效果并不显著。

发明内容

有鉴于此，本申请实施例提供了一种基于神经网路的目标识别方法、设备及介质，用于解决现有技术中目标识别的效果不显著的问题。

本申请实施例采用下述技术方案：

本申请实施例提供一种基于神经网路的目标识别方法，所述方法包括：

将待识别图像输入至预先训练的识别模型，确定出识别结果，其中，所述识别模型包括分级模块、放大模块及识别模块；

判断所述识别结果是否为预先设置的类型；

若判断出所述识别结果为预先设置的类型，将所述识别结果对应的目标进行标记。

进一步的，所述将待识别图像输入至预先训练的识别模型，确定出识别结果，具体包括：

获取所述待识别图像，并根据预先训练的所述分级模块对所述待识别图像中的目标图像进行分级，确定分级结果，其中，所述分级结果包括第一级目标图像与第二级目标图像，所述第一级目标图像的尺寸大于所述第二级目标图像的尺寸；

若所述分级结果为所述第二级目标图像时，通过预先训练的所述放大模块对所述目标图像进行放大；

将放大后的所述目标图像输入至预先训练的所述识别模块，确定出对应的识别结果。

进一步的，若所述分级结果为所述第一级目标图像时时，所述方法还包括：

将所述目标图像输入至预先训练的所述识别模块，确定对应的识别结果。

进一步的，所述根据预先训练的所述分级模块对所述待识别图像中的目标图像进行分级，确定分级结果，具体包括：

计算所述目标图像尺寸占所述待识别图像尺寸的比例值，并判断所述比例值是否超出预设阈值；

若所述比例值超出所述预设阈值，则所述分级结果为所述第一级目标图像；

若所述比例值未超出所述预设阈值，则所述分级结果为所述第二级目标图像。

进一步的，所述分级模块为Alexnet网络模型。

进一步的，所述放大模块为WGan网络模型。

进一步的，所述识别模块为Resnet网络模型。

进一步的，所述目标图像为设置于交通灯前停车线图像与交通灯为红灯图像，所述方法还包括：

通过安装于车辆上的摄像头获取所述待识别图像，并根据预先训练的所述分级模块对设置于交通灯前停车线图像与交通灯为红灯图像进行分级，确定分级结果；

若所述分级结果为所述第二级目标图像时，通过预先训练的所述放大模块对所述设置于交通灯前停车线图像与交通灯为红灯图像进行放大；

将放大后的所述设置于交通灯前停车线图像与交通灯为红灯图像输入至预先训练的所述识别模块，确定出对应的识别结果。