(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210346579.1 (22)申请日 2022.04.02 (71)申请人 澳门科技大 学 地址 中国澳门氹仔伟龙马路澳门科技大 学 (72)发明人 蔡占川　姜志宏　叶奔　吕沛伦　 张雨晗　刘家正　兰霆　白丽萍　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 张瑞志 (51)Int.Cl. G06V 20/60(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) G06V 10/25(2022.01)G06V 10/30(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像识别方法、 电子设备及存 储介质 (57)摘要 本申请适用于计算机技术领域， 提供了图像 识别方法、 电子设备及存储介质。 图像识别方法 包括： 获取多目标图像， 将多目标图像输入图像 识别模型， 得到图像识别模型输出的待识别目标 的识别结果。 其中， 图像识别模型是根据单目标 图像训练得到的， 图像识别模型包括特征提取网 络、 区域生成网络以及检测 网络； 特征提取网络 用于得到包括三级特征图的第一图像金字塔， 对 三级特征图进行特征融合； 区域生成 网络用于确 定融合后的特征图的兴趣区域； 检测网络用于根 据兴趣区域输出待识别目标的识别结果。 通过对 包括三级特征图的图像金字塔进行特征融合， 提 取融合后的特征图的兴趣区域， 根据兴趣区域进 行图像识别， 可以提升待识别目标的识别准确 度。 权利要求书2页 说明书10页 附图4页 CN 114821554 A 2022.07.29 CN 114821554 A 1.一种图像识别方法， 其特 征在于， 包括： 获取多目标图像， 所述多目标图像中包括至少两个待识别目标； 将所述多目标图像输入图像识别模型， 得到所述图像识别模型输出的所述待识别目标 的识别结果； 其中， 所述图像识别模型是以单目标图像为训练样本， 对分类模型进 行训练得 到的； 所述图像识别模型包括特征提取网络、 区域生成网络以及检测网络； 所述特征提取网 络用于对所述多目标图像进行卷积， 得到包括三级特征图的第一图像金字塔， 对所述三级 特征图进行特征融合， 得到融合后的特征图； 所述区域生成网络用于确定所述融合后的特 征图的兴趣区域； 所述检测网络用于根据所述兴趣区域输出 所述待识别目标的识别结果。 2.根据权利要求1所述的图像识别方法， 其特征在于， 所述对所述多目标图像进行卷 积， 得到包括 三级特征图的第一图像金字塔， 包括： 采用ResNet5 0网络对所述多目标图像进行 卷积， 得到第二图像金字塔； 将所述第二图像金字塔的第二级特征图、 第三级特征图和第 四级特征图， 分别作为所 述第一图像金字塔的第一级特 征图、 第二级特 征图和第三级特 征图。 3.根据权利要求1所述的图像识别方法， 其特征在于， 所述对所述三级特征图像进行特 征融合， 得到融合后的特 征图， 包括： 采用反卷积的方法对第N级特 征图进行 上采样， 得到上采样图像， N ＝2、 3； 将所述上采样图像与第N ‑1级特征图进行 特征融合， 得到融合后的特 征图。 4.根据权利要求1所述的图像识别方法， 其特征在于， 所述图像识别模型还包括兴趣区 域池化网络， 所述兴趣区域池化网络用于将所述兴趣区域的尺寸调整为预设尺寸， 得到调 整尺寸后的兴趣区域； 对应地， 所述检测网络用于根据所述调整尺寸后的兴趣区域输出所 述待识别目标的识别结果。 5.根据权利要求4所述的图像识别方法， 其特征在于， 所述图像识别模型还包括全卷积 网络， 所述全卷积网络用于对所述兴趣区域进行卷积处理， 得到卷积处理后的兴趣区域； 对 应地， 所述兴趣区域池化网络用于将所述卷积处理后的兴趣区域的尺寸调整为所述预设尺 寸， 得到调整尺寸后的兴趣区域。 6.根据权利要求1所述的图像识别方法， 其特征在于， 所述根据 所述兴趣区域输出所述 待识别目标的识别结果， 包括： 将每个所述兴趣区域映射 为对应的特 征向量； 输出与每个所述特征向量对应的置信度评分 以及所述待识别目标在所述多目标图像 中的位置信息， 将所述置信度评分以及所述 位置信息作为所述待识别目标的识别结果。 7.根据权利要求1所述的图像识别方法， 其特 征在于， 所述获取多目标图像， 包括： 获取原始图像； 采用中值滤波器对所述原 始图像进行图像降噪， 得到降噪后的图像； 采用Canny算法对所述降噪后的图像进行边 缘提取， 得到边界坐标； 根据所述 边界坐标 得到所述多目标图像。 8.根据权利要求1所述的图像识别方法， 其特征在于， 所述训练样本包括单目标图像以 及与每个所述单目标图像对应的标注信息， 所述标注信息通过将所述单目标图像输入图像 标注模型 得到， 所述图像标注模型 是采用带 标注信息的图像对初始模型进行训练得到的。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上权　利　要　求　书 1/2 页 2 CN 114821554 A 2运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至8 任一项所述的图像识别方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至8任一项所述的图像识别方法。权　利　要　求　书 2/2 页 3 CN 114821554 A 3