[发明专利]基于人物细粒度特征的图像识别方法及装置在审
申请号: | 202010655258.0 | 申请日: | 2020-07-14 |
公开(公告)号: | CN111860250A | 公开(公告)日: | 2020-10-30 |
发明(设计)人: | 覃俊;罗一凡;帖军;李子茂;徐胜舟;叶正;马天宇 | 申请(专利权)人: | 中南民族大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 徐进之 |
地址: | 430074 湖北省武汉*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人物 细粒度 特征 图像 识别 方法 装置 | ||
本发明涉及图像处理技术领域,公开了一种基于人物细粒度特征的图像识别方法及装置,该方法包括:获取待识别人物图像;对待识别人物图像进行特征提取,获得人物特征图层;将人物特征图层输入至预设超列特征识别模型中,获得对应的图像识别结果;根据图像识别结果获取图像识别准确率;在图像识别准确率大于或等于预设标准阈值时,将所述图像识别结果作为基于人物细粒度特征的图像识别结果。相较于现有技术,利用注意力机制网络进行图像处理会导致不能准确获取关键区域信息,从而更不能精准识别图像类别,而本发明将人物特征图层输入至预设超列特征识别模型中,可以精准定位图像的关键区域,以实现快速、准确地获取人物图像对应的图像识别结果。
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于人物细粒度特征的图像识别方法及装置。
背景技术
在日常生活中,用户会有对拍摄的图像进行识别的需求,现有技术中,在针对图像识别的处理过程中,利用特征提取大量的类别语义特征,这仅适用于粗粒度的图像分类任务,还会丢失图像大量底层的位置、纹理及轮廓等空间特征,导致用于细粒度图像特征定位任务的注意力机制网络不能高效准确地获取关键区域的信息,不能对人物图像进行精准识别。因此,如何高效准确地获取图像关键区域的信息,从而对人物图像进行精准识别是亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于人物细粒度特征的图像识别方法及装置,旨在解决如何高效准确地获取图像关键区域的信息,从而对人物图像进行精准识别的技术问题。
为实现上述目的,本发明提供一种基于人物细粒度特征的图像识别方法,所述基于人物细粒度特征的图像识别方法包括以下步骤:
获取待识别人物图像;
对所述待识别人物图像进行特征提取,获得人物特征图层;
将所述人物特征图层输入至预设超列特征识别模型中,获得对应的图像识别结果;
根据所述图像识别结果获取图像识别准确率;
在所述图像识别准确率大于或等于预设标准阈值时,将所述图像识别结果作为基于人物细粒度特征的图像识别结果。
优选地,所述获取人物的待识别图像的步骤之前,还包括:
获取不同人物对应的图像训练集,对所述图像训练集进行遍历,获得遍历到的当前训练图像;
根据所述当前训练图像获取对应的样本卷积图层;
从所述样本卷积图层中提取样本特征图层;
获取所述样本特征图层对应的图层像素点集;
通过预设上采样法对所述图层像素点集进行叠加处理,获得样本超列集;
在遍历结束时,根据获得的所有样本超列集构建样本超列集集合;
分别对所述样本超列集集合中的每个样本超列集进行预处理,获得样本目标图像集合;
获取所述样本目标图像集合包含的各样本目标图像对应的样本人物识别结果;
根据所述训练图像集和所述样本人物识别结果构建预设超列特征识别模型。
优选地,所述分别对所述样本超列集集合中的每个样本超列集进行预处理,获得样本目标图像集合的步骤,包括:
对所述样本超列集集合进行遍历,获得遍历到的当前样本超列集;
通过预设下采样法对所述当前样本超列集进行预处理,获得目标超列集;
对所述目标超列集进行扁平化处理,获得目标区域;
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中南民族大学,未经中南民族大学许可,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/202010655258.0/2.html,转载请声明来源钻瓜专利网。