图像识别和神经网络模型的训练方法、装置和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110399799A(43)申请公布日2019.11.01(21)申请号201910559035.1(22)申请日2019.06.26(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人吴凡(74)专利代理机构北京华进京联知识产权代理有限公司11606代理人朱五云(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书16页附图5页(54)发明名称图像识别和神经网络模型的训练方法、装置和系统(57)摘要本申请涉及一种图像识别和神经网络模型的训练方法、装置、系统和可读存储介质。该方法包括：获取待处理图像组；待处理图像组包括属于同一对象的多个待处理图像；将待处理图像组输入神经网络模型中，输出待处理图像组的目标融合特征；神经网络模型包括至少一个卷积块、一个特征融合块和一个全局处理块；特征融合块位于任一卷积块之后，且位于全局处理块之前，用于对待处理图像组中各待处理图像经过卷积处理得到的中间特征进行融合处理，得到待处理图像组的中间融合特征；全局处理块用于对中间融合特征进行全局处理，得到目标融合特征；采用待处理图像组对应的目标融合特征，进行对象相关的图像识别处理。采用本方法能降低图像识别处理时的误判率。CN110399799ACN110399799A权利要求书1/3页1.一种图像识别方法，其特征在于，所述方法包括：获取待处理图像组；所述待处理图像组包括属于同一对象的多个待处理图像；将所述待处理图像组输入神经网络模型中，输出所述待处理图像组的目标融合特征；所述神经网络模型包括至少一个卷积块、一个特征融合块和一个全局处理块；所述特征融合块位于任一卷积块之后，且位于所述全局处理块之前，用于对所述待处理图像组中各待处理图像经过卷积处理得到的中间特征进行融合处理，得到所述待处理图像组的中间融合特征；所述全局处理块用于对所述中间融合特征或经过卷积处理后的中间融合特征进行全局处理，得到所述目标融合特征；采用所述待处理图像组对应的目标融合特征，进行所述对象相关的图像识别处理。2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括依次连接的一个卷积网络、所述特征融合块和所述全局处理块，所述卷积网络包括至少一个所述卷积块；将所述待处理图像组输入神经网络模型中，输出所述待处理图像组的目标融合特征，包括：将所述待处理图像组中各待处理图像分别输入所述卷积网络中进行特征提取处理，分别得到各所述待处理图像的中间特征；将各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征；将所述待处理图像组的中间融合特征输入所述全局处理块中进行全局处理，输出所述全局处理后得到的目标融合特征。3.根据权利要求2所述的方法，其特征在于，所述待处理图像的中间特征为对应多个通道的多个中间特征；所述将各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征；其中，每个通道对应一个中间融合特征。4.根据权利要求3所述的方法，其特征在于，所述将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：将属于同一通道的各所述待处理图像的中间特征中的相应特征位进行按位运算，将所述按位运算得到的结果作为所述待处理图像组的中间融合特征；所述按位运算包括以下内容中的至少一种：计算各相应特征位的算数平均值、计算各相应特征位的最大值、计算各相应特征位的归一化指数平均值。5.根据权利要求3所述的方法，其特征在于，所述特征融合块包括至少一个全连接层，所述将属于同一通道的各所述待处理图像的中间特征输入所述特征融合块中进行融合处理，得到所述待处理图像组的中间融合特征，包括：将各所述待处理图像的中间特征输入所述至少一个全连接层进行全连接处理，得到各所述待处理图像的中间特征中各特征位的注意力系数；根据各所述待处理图像的中间特征中各相应特征位的注意力系数，对各所述待处理图像的中间特征中的相应特征位进行加权求和运算，将所述加权求和运算得到的结果作为所述待处理图像组的中间融合特征。6.根据权利要求5所述的方法，其特征在于，根据各所述待处理图像的中间特征中各相2CN110399799A权利要求书2/3页应特征位的注意力系数，对各所述待处理图像的中间特征中的相应特征位进行加权求和运算，包括：采用归一化指数函数对各所述待处理图像的中间特征中各相应特征位的注意力系数进行归一化，将归