[发明专利]图像识别方法、装置、电子设备和计算机可读存储介质有效

专利信息
申请号: 202110673982.0 申请日: 2021-06-17
公开(公告)号: CN113128526B 公开(公告)日: 2021-08-27
发明(设计)人: 孙宇飞;黄余格;沈鹏程;李绍欣 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 李汉亮
地址: 518057 广东省深圳*** 国省代码: 广东;44
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 电子设备 计算机 可读 存储 介质
【说明书】:

发明实施例公开了一种图像识别方法、装置、电子设备和计算机可读存储介质;本发明实施例在获取待识别图像后,对待识别图像进行特征提取,得到待识别对象的身份特征和群体特征,然后,在身份特征中识别出与群体特征关联的特征,得到群体关联特征,并在群体特征中识别出与身份特征关联的特征,得到身份关联特征,然后,根据群体关联特征和身份关联特征,对身份特征和群体特征进行修正,然后,基于修正后身份特征和修正后群体特征,确定所述待识别对象的身份信息;该方案可以提升不同类型的图像识别的准确率。

技术领域

本发明涉及通信技术领域,具体涉及一种图像识别方法、装置、电子设备和计算机可读存储介质。

背景技术

近年来,随着互联网技术的飞速发展,将神经网络应用于图像识别领域也有了长足的发展。由于现有图像的类型各异,对于不同类型的图像,在图像识别过程中,又往往期望神经网络能够有相同的识别性能。为了实现这一点,现有通常会采用属性抑制的方法来进行图像识别。

然而,在对现有技术的研究和实践过程中,本申请的发明人发现采用属性抑制的方式虽然可以针对不同类型的图像具有相同的识别性能,但是图像识别的精度较低,因此导致图像识别的准确率较低。

发明内容

本发明实施例提供一种图像识别方法、装置、电子设备和计算机可读存储介质,可以提高图像识别的准确率。

一种图像识别方法,包括:

获取待识别图像,所述待识别图像包括至少一个待识别对象;

对所述待识别图像进行特征提取,得到所述待识别对象的身份特征和群体特征,所述群体特征用于指示所述待识别对象的类型;

在所述身份特征中识别出与所述群体特征关联的特征,得到群体关联特征,并在所述群体特征中识别出与所述身份特征关联的特征,得到身份关联特征;

根据所述群体关联特征和身份关联特征,对所述身份特征和群体特征进行修正;

基于修正后身份特征和修正后群体特征,确定所述待识别对象的身份信息。

相应的,本发明实施例提供一种图像识别装置,包括:

获取单元,用于获取待识别图像,所述待识别图像包括至少一个待识别对象;

提取单元,用于对所述待识别图像进行特征提取,得到所述待识别对象的身份特征和群体特征,所述群体特征用于指示所述待识别对象的类型;

识别单元,用于在所述身份特征中识别出与所述群体特征关联的特征,得到群体关联特征,并在所述群体特征中识别出与所述身份特征关联的特征,得到身份关联特征;

修正单元,用于根据所述群体关联特征和身份关联特征,对所述身份特征和群体特征进行修正;

确定单元,用于基于修正后身份特征和修正后群体特征,确定所述待识别对象的身份信息。

可选的,在一些实施例中,所述识别单元,具体可以用于获取所述身份特征和群体特征在所述待识别图像中的位置信息,以得到所述身份特征对应的身份位置特征和所述群体特征对应的群体位置特征;根据所述身份位置特征,在所述身份特征中识别出与所述群体特征关联的特征,得到群体关联特征;基于所述群体位置特征,在所述群体特征中识别出与所述身份特征关联的特征,得到身份关联特征。

可选的,在一些实施例中,所述识别单元,具体可以用于获取所述身份特征和群体特征在所述待识别图像中的位置信息,得到所述身份特征对应的身份位置信息和所述群体特征对应的群体位置信息;根据所述身份位置信息,对所述待识别图像中的像素进行位置编码,得到所述身份特征对应的身份位置特征;基于所述群体位置信息,对所述待识别图像中的像素进行位置编码,得到所述群体特征对应的群体位置特征。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202110673982.0/2.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