[发明专利]图像识别方法、模型训练方法和装置

权利要求书

1.一种图像识别方法，包括：

获取待检测对象；

通过第一检测网络，对所述待检测对象进行第一次识别，得到所述待检测对象对应的识别结果数据集，其中，所述识别结果数据集用于指示所述待检测对象所属的检测类别；

依据所述识别结果数据集中满足指定条件的目标框获取图像块，并将所述图像块输入第二检测网络进行第二次识别，得到目标对象；

依据所述识别结果数据集和所述目标对象，确定所述待检测对象是否满足检测需求，得到识别结果。

2.根据权利要求1所述的方法，其中，通过第一检测网络，对所述待检测对象进行第一次识别，得到所述待检测对象对应的识别结果数据集包括：

通过第一检测网络对所述待检测对象进行识别，获取所述待检测对象中属于至少一个尺寸的检测类别；

依据所述至少一个尺寸的检测类别生成所述待检测对象对应的识别结果数据集。

3.根据权利要求1或2所述的方法，其中，依据所述识别结果数据集中满足指定条件的目标框获取图像块，并将所述图像块输入第二检测网络进行第二次识别，得到目标对象包括：

设置第一检测阈值和第二检测阈值；

在所述指定条件包括所述待检测对象中检测框的置信度位于所述第一检测阈值和所述第二检测阈值之间的情况下，以所述检测框为中心获取图片块；

将所述图像块输入第二检测网络进行第二次识别，得到目标对象；

其中，所述待检测对象包括：果冻。

4.根据权利要求1所述的方法，其中，所述方法还包括：

将所述待检测对象所属类别的图像数据输入神经网络中进行训练，更新所述神经网络中的批量规范化层的参数。

5.根据权利要求1所述的方法，其中，所述方法还包括：

对所述第一检测网络和所述第二检测网络进行训练和预测，其中，

对所述第一检测网络和所述第二检测网络进行训练包括：利用包含有无瑕疵的图片数据对定义的检测类别的特征进行学习；

对所述第一检测网络和所述第二检测网络进行预测包括：利用训练后的所述第一检测网络和所述第二检测网络输出分类和检测得分，将所述检测得分转化为瑕疵框类别和位置。

6.根据权利要求5所述的方法，其中，利用包含有无瑕疵的图片数据对定义的检测类别的特征进行学习包括：

获取训练集，在线数据增强，得到增强后的数据集，其中，所述训练集中包括：无瑕疵的图片数据；

对所述增强后的数据集进行特征提取和融合，计算像素分类总的损失，通过反向传播算法更新网络参数。

7.根据权利要求5所述的方法，其中，利用训练后的所述第一检测网络和所述第二检测网络输出分类和检测得分，将所述检测得分转化为瑕疵框类别和位置包括：

对待识别对象进行预处理，得到分类和检测得分；

通过向前预测计算，将所述分类中属于正常的待识别对象进行筛选，获取所述分类中属于瑕疵的待识别对象和对应的检测得分；

将所述检测得分转化为瑕疵框类别和位置。

8.一种模型训练方法，包括：

利用包含有无瑕疵的图片数据对定义的检测类别的特征进行学习，对第一检测网络和第二检测网络进行训练；

利用训练后的所述第一检测网络和所述第二检测网络进行预测，输出分类和检测得分；

将所述检测得分转化为瑕疵框类别和位置。

9.根据权利要求8所述的方法，其中，利用包含有无瑕疵的图片数据对定义的检测类别的特征进行学习，对第一检测网络和第二检测网络进行训练包括：

获取训练集，在线数据增强，得到增强后的数据集，其中，所述训练集中包括：无瑕疵的图片数据；

对所述增强后的数据集进行特征提取和融合，计算像素分类总的损失，通过反向传播算法更新网络参数；

依据更新后的所述网络参数对所述第一检测网络和所述第二检测网络进行训练。