[发明专利]图像识别方法、装置、设备和计算机存储介质在审

专利信息
申请号: 202010611133.8 申请日: 2020-06-30
公开(公告)号: CN111767858A 公开(公告)日: 2020-10-13
发明(设计)人: 郭知智;孙逸鹏;刘经拓;韩钧宇 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京市铸成律师事务所 11313 代理人: 阎敏;杨瑾瑾
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 装置 设备 计算机 存储 介质
【说明书】:

本申请公开了图像识别方法、装置、设备和计算机存储介质。涉及人工智能技术领域,尤其涉及图像处理技术领域。具体实现方案为:对人脸图像进行器官识别,并在该人脸图像中标注人脸五官的位置,得到标注的人脸图像;将该标注的人脸图像输入主干网络模型进行特征提取,获得该主干网络模型不同层次的卷积神经网络层输出的该标注的人脸图像的瑕疵特征;将位于人脸图像同一区域的不同层次的该瑕疵特征进行融合,获得该人脸图像的瑕疵识别结果。本申请实施例能够提高人脸瑕疵的识别准确性和识别效率。

技术领域

本申请涉及人工智能领域,尤其涉及图像处理技术领域。

背景技术

随着计算机技术的发展,图像处理和图像识别技术也越来越智能化。在图像识别领域,可以通过人工智能的手段进行人脸识别、人体识别等。图像处理技术也逐渐应用于越来越多的领域,例如,安检、门禁、新闻和医疗等。

在医疗领域,图像识别技术可以用于识别人脸上的瑕疵,例如斑、痘和痣等。在这种应用领域,如何提高识别准确度,是需要解决的问题。

发明内容

本申请提供了一种图像识别方法、装置、设备以及存储介质。

根据本申请的一方面,提供了一种图像识别方法,包括:

对人脸图像进行器官识别,并在该人脸图像中标注人脸五官的位置,得到标注的人脸图像;

将该标注的人脸图像输入主干网络模型进行特征提取,获得该主干网络模型不同层次的卷积神经网络层输出的该标注的人脸图像的瑕疵特征;

将位于人脸图像同一区域的不同层次的该瑕疵特征进行融合,获得该人脸图像的瑕疵识别结果。

根据本申请的另一方面,提供了一种图像识别方法,包括:

标注模块,用于对人脸图像进行器官识别,并在该人脸图像中标注人脸五官的位置,得到标注的人脸图像;

提取模块,用于将该标注的人脸图像输入主干网络模型进行特征提取,获得该主干网络模型不同层次的卷积神经网络层输出的该标注的人脸图像的瑕疵特征;

融合模块,用于将位于人脸图像同一区域的不同层次的该瑕疵特征进行融合,获得该人脸图像的瑕疵识别结果。

根据本申请的另一方面,提供了一种电子设备,包括:

至少一个处理器;以及

与至少一个处理器通信连接的存储器;其中,

存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。

根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。

根据本申请的技术能够提高人脸瑕疵的识别效率,以及人脸瑕疵的识别准确性。

应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案,不构成对本申请的限定。其中:

图1是根据本申请实施例的图像识别方法示意图;

图2是根据本申请实施例的图像识别方法在一具体场景下的示意图;

图3是根据本申请另一实施例的图像识别方法示意图;

图4是根据本申请一具体示例的图像识别方法示意图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010611133.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top