[发明专利]一种极端条件下场景图像识别方法

权利要求书

1.一种极端条件下场景图像识别方法，其特征在于：包括如下步骤：

1)获取待识别图像；

2)将待识别图像输入至图像识别模型中进行识别，得到图像中字符的识别结果；

其中，所述图像识别模型包括特征提取模块、编码器和解码器；所述特征提取模块用于对输入的图像进行特征提取以获得视觉特征；所述编码器用于对所述视觉特征进行编码，以提取全局语义特征；所述解码器包括CBAM注意力单元和LSTM注意力单元；所述CBAM注意力单元用于对所述全局语义特征进行解码，获得注意力特征；所述LSTM注意力单元用于对所述注意力特征进行解码，获得识别字符的概率分布；所述图像识别模型利用已知字符的图像作为数据集训练得到。

2.根据权利要求1所述的极端条件下场景图像识别方法，其特征在于：所述编码器包括依次连接的N层非局部注意力模块，N≥1，且最后一个非局部注意力模块的输出为所述全局语义特征；所述非局部注意力模块包括非局部注意力单元和累加单元；所述非局部注意力单元用于对输入的初始特征图执行非局部注意力机制计算，以得到非局部特征图；所述累加单元通过以下公式对所述非局部特征图和初始特征图进行加权求和，以获得捕获全局语义信息的特征图Y_i：

Y_i＝W_Yy_i+x_i

其中，y_i为非局部特征图，W_Y为学习权重矩阵，x_i为位置i对应的初始特征图。

3.根据权利要求2所述的极端条件下场景图像识别方法，其特征在于：N＝3。

4.根据权利要求1～3任一项所述的极端条件下场景图像识别方法，其特征在于：所述特征提取模块包括残差网络。

5.根据权利要求4所述的极端条件下场景图像识别方法，其特征在于：所述残差网络为ResNet50，且ResNet50为仅使用前4个部分的ResNet50。

6.根据权利要求1～3任一项所述的极端条件下场景图像识别方法，其特征在于：在训练所述图像识别模型时，在编码器和解码器之间设置CTC模块，所述CTC模块用于对齐数据标签。

7.根据权利要求6所述的极端条件下场景图像识别方法，其特征在于：训练所述图像识别模型时使用的损失函数公式为：

L_total＝λL_CTC+(1-λ)L_CE

其中，L_CE为交叉熵损失，L_CTC为CTC损失，0λ1。

8.根据权利要求1所述的极端条件下场景图像识别方法，其特征在于：所述图像识别模型的输入图像尺寸按照如下方法得到：

采用聚类算法对图像集进行聚类，获取多个聚类块；选择包含最多数据的聚类块的聚类中心所对应的图像尺寸作为输入图像尺寸。

9.根据权利要求8所述的极端条件下场景图像识别方法，其特征在于：所述聚类算法为K均值聚类。

10.根据权利要求1或2或3或8或9所述的极端条件下场景图像识别方法，其特征在于，将待识别图像输入至所述图像识别模型前还需将待识别图像由三通道的RGB图像转换成单通道的灰度图。