[发明专利]图像识别网络生成方法及装置、存储介质及电子设备

权利要求书

1.一种图像识别网络生成方法，其特征在于，包括：

获取各原始图像及对应的标注文件，所述标注文件包括对所述原始图像的标注信息；

依据所述标注信息得到所述原始图像的掩膜图像及类型标签，将所述原始图像、所述掩膜图像及所述类型标签作为训练数据，并基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络；

其中，所述预搭建的神经网络的输出层包括所述原始图像的掩膜输出及类别输出。

2.根据权利要求1所述的图像识别网络生成方法，其特征在于，所述标注信息包括对所述原始图像的有效区域及类型进行的标注，所述有效区域包括待识别区域，所述待识别区域包含所述原始图像的类别特征。

3.根据权利要求2所述的图像识别方法，其特征在于，所述依据所述标注信息得到所述原始图像的掩膜图像，包括：

依据所述标注信息获取对所述有效区域及所述待识别区域的点标注，并基于所述点标注获取所述原始图像的掩膜图像。

4.根据权利要求1所述的图像识别方法，其特征在于，所述基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络，包括：

通过所述预搭建的神经网络的卷积层对所述原始图像进行特征提取，得到多个尺度特征图；

对各所述尺度特征图进行特征融合及归一化处理，得到所述原始图像的预测类别；

对各所述尺度特征图进行向上采样，得到与所述原始图像尺度相同的掩膜输出；

依据所述预测类别和所述类型标签，以及所述掩膜输出及所述掩膜图像对所述预搭建的神经网络进行参数迭代，直至得到所述图像识别网络。

5.根据权利要求4所述的图像识别方法，其特征在于，所述方法训练得到所述图像识别网络的主网络，所述图像识别网络还包括一个分类网络分支，所述得到所述原始图像的预测类别，包括：

通过所述分类网络分支的卷积层对所述原始图像进行特征提取，得到多个尺度特征图；

将所述分类网络分支得到的所述尺度特征图与所述主网络得到的所述尺度特征图进行特征融合及归一化处理，得到所述原始图像的预测类别。

6.根据权利要求1所述的图像识别方法，其特征在于，所述方法还包括：

裁剪所述预搭建的神经网络的掩膜输出及对应的掩膜预测分支；

将训练得到的参数迁移至裁剪后的神经网络，得到所述图像识别网络。

7.一种图像识别方法，其特征在于，包括：

依据权利要求1-6任一项所述的方法生成图像识别网络；

获取待识别图像并输入至所述图像识别网络，得到所述待识别图像的类别。

8.一种图像识别网络生成装置，其特征在于，包括：

获取模块，用于获取各原始图像及对应的标注文件，所述标注文件包括对所述原始图像的标注信息；

生成模块，用于依据所述标注信息得到所述原始图像的掩膜图像及类型标签，将所述原始图像、所述掩膜图像及所述类型标签作为训练数据，并基于所述训练数据对预搭建的神经网络进行训练，得到所述图像识别网络；

其中，所述预搭建的神经网络的输出层包括所述原始图像的掩膜输出及类别输出。

9.一种图像识别装置，其特征在于，包括：

网络生成模块，用于依据权利要求1-6任一项所述的方法生成图像识别网络；

类型预测模块，获取待识别图像并输入至所述图像识别网络，得到所述待识别图像的类别。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。

11.一种电子设备，其特征在于，包括：

处理器；

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。