[发明专利]一种图像识别方法、装置及存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

读取待处理图像，对所述待处理图像进行预处理，得到第一图像；

加载深度神经网络的权重系数；

将所述第一图像输入所述深度神经网络，进行识别目标的预测，得到预测结果；

根据所述预测结果，在待处理图像中绘制识别目标；

其中所述识别目标的预测内容包括以下之一或者组合：

目标类别；

目标矩形框的位置；

目标像素级别的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述深度神经网络的权重系数通过以下方法确定：

生成图像数据集；

构建深度神经网络；

将所述图像数据集输入所述深度神经网络进行训练，得到所述深度神经网络的权重系数。

3.根据权利要求2所述的方法，其特征在于，所述生成图像数据集包括：

采集训练图像；

生成所述训练图像的注释信息；

所述注释信息包括目标位置信息标注，目标掩码标注，目标类别标注。

4.根据权利要求2所述的方法，其特征在于，所述构建深度神经网络包括：

对所述图像数据集进行预处理，得到第二图像；

对所述第二图像进行数据增强处理，得到第三图像；

将所述第三图像输入所述深度神经网络，对所述第三图像进行候选特征选取，ROI区域生成，边框回归和掩码生成。

5.根据权利要求4所述的方法，其特征在于，所述对所述图像数据集进行预处理包括：

去除图像中随机噪声；

去除图像中频域内噪声；

增加图像对比度。

6.根据权利要求4所述的方法，其特征在于，所述数据增强处理包括：

读取数据增强配置信息，所述增强配置信息用于表示是否进行相应的增强处理，若是则进行相应的增强处理，否则不进行相应的增强处理；

根据所述增强配置信息，对所述第二图像进行增强处理；

所述增强处理包括：

对图像进行旋转；

对图像进行裁剪；

对图像进行翻转；

对图像进行镜像；

对图像进行缩放；

在图像中加入随机噪声。

7.根据权利要求2所述的方法，其特征在于，所述将所述图像数据集输入所述深度神经网络进行训练，得到所述深度神经网络的权重系数包括：

读取超参数和尺度缩放参数；

求解所述深度神经网络各单元隐层数据，实现前向传播；

通过误差反向传递更新权重；

若网络输出值和期望输出值之间的误差在预定的区间内，则训练结束，并保存所述权重系数；

其中，所述超参数包括：学习率、迭代次数和收敛误差区间。

8.根据权利要求1所述的方法，其特征在于，所述将所述第一图像输入所述深度神经网络，还包括：

对所述第一图像进行预处理；

所述预处理包括：

去除图像中随机噪声；

去除图像中频域内噪声；

增加图像对比度。

9.根据权利要求1所述的方法，其特征在于，所述在待处理图像中绘制识别目标包括：

在待处理图像中绘制目标矩形位置框、目标类别标签、以及目标像素级位置信息。