【技术实现步骤摘要】
本申请涉及机器视觉，具体而言，涉及一种目标识别、识别网络训练方法和装置、设备及存储介质。
技术介绍
1、机器视觉是一门涉及计算机视觉、模式识别和计算机图形学等多个领域的交叉学科，旨在使计算机系统能够模拟和理解人类视觉系统。这一领域涉及使用计算机和相应的算法来解释、分析和理解图像或视频数据。以下是机器视觉技术的概述：图像获取：机器视觉的第一步是获取图像或视频数据。这可以通过摄像头、传感器或其他图像采集设备来实现；图像预处理：在进行进一步处理之前，通常需要对图像进行预处理，这包括去噪、图像增强、色彩校正等操作，以确保输入数据的质量；特征提取：从图像中提取有意义的特征是机器视觉中的关键步骤，特征可以是边缘、纹理、颜色直方图等，这些特征用于描述图像中的关键信息；目标检测和识别：机器视觉可用于检测和识别图像中的对象或区域。
2、在一些具体的应用中，可以利用机器视觉技术实现物件的状态(如缺陷、瑕疵等不良特征)的识别，例如，可以通过神经网络进行特征提取和目标识别等处理，但是，经专利技术人研究发现，在现有的机器视觉技术中，对于物件状态的识别，存在着可靠度相对不佳的问题。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种目标识别、识别网络训练方法和装置、设备及存储介质，以改善目标识别的可靠度相对不佳的问题。
2、为实现上述目的，本申请实施例采用如下技术方案：
3、一种目标识别方法，基于目标物件对应的目标物件图像，得到多个第一图像特征，多个所述第一图像特征中的至
4、基于多个所述第一图像特征，得到多个第二图像特征，其中，至少两个所述第二图像特征是，基于具有不同尺度的至少两个所述第一图像特征采用注意力机制进行处理得到的；
5、基于多个所述第二图像特征，得到所述目标物件具有的目标状态信息，所述目标状态信息至少包括所述目标物件的不良特征识别结果。
6、在本申请实施例较佳的选择中，在上述目标识别方法中，所述基于多个所述第一图像特征，得到多个第二图像特征的步骤，包括：
7、分别对多个所述第一图像特征中的每一个第一图像特征采用注意力机制进行处理，得到多个第二图像特征；
8、其中，每两个所述第一图像特征之间具有不同的尺度，每两个所述第一图像特征之间采用的注意力机制不同。
9、在本申请实施例较佳的选择中，在上述目标识别方法中，多个所述第一图像特征中存在一个目标第一图像特征；
10、其中，对所述目标第一图像特征采用注意力机制进行处理，得到一个第二图像特征的步骤，包括：
11、对所述目标第一图像特征中的第一维度和第二维度进行第一池化，得到第一池化特征，并对所述目标第一图像特征中的第一维度和第二维度进行第二池化，得到第二池化特征，所述第一池化不同于所述第二池化；
12、基于所述第一池化特征、所述第二池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征。
13、在本申请实施例较佳的选择中，在上述目标识别方法中，多个所述第一图像特征中存在一个目标第一图像特征；
14、其中，对所述目标第一图像特征采用注意力机制进行处理，得到一个第二图像特征的步骤，包括：
15、对所述目标第一图像特征中的第一维度和第二维度进行第一池化，得到第一池化特征，并对所述目标第一图像特征中的第一维度和第二维度进行第二池化，得到第二池化特征，所述第一池化不同于所述第二池化；
16、基于所述第一池化特征、所述第二池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征。
17、在本申请实施例较佳的选择中，在上述目标识别方法中，所述基于所述第一池化特征、所述第二池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
18、拼接所述第一池化特征和所述第二池化特征，得到第一拼接特征；
19、对所述第一拼接特征进行至少两次全连接处理，得到至少两个第一全连接特征，每一个所述第一全连接特征对应于一次全连接处理；
20、对所述至少两个第一全连接特征进行相加，得到第一融合特征；
21、对所述第一融合特征进行激活，得到第一激活特征；
22、对所述第一激活特征和所述目标第一图像特征进行相乘，得到所述目标第一图像特征对应的第二图像特征。
23、在本申请实施例较佳的选择中，在上述目标识别方法中，多个所述第一图像特征中存在一个目标第一图像特征；
24、其中，对所述目标第一图像特征采用注意力机制进行处理，得到一个第二图像特征的步骤，包括：
25、对所述目标第一图像特征中的第三维度进行第三池化，得到第三池化特征，并对所述目标第一图像特征中的第三维度进行第四池化，得到第四池化特征，所述第三池化不同于所述第四池化；
26、基于所述第三池化特征、所述第四池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征。
27、在本申请实施例较佳的选择中，在上述目标识别方法中，所述基于所述第三池化特征、所述第四池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
28、拼接所述第三池化特征和所述第四池化特征，得到第二拼接特征；
29、对所述第二拼接特征进行卷积，得到第一卷积特征；
30、对所述第一卷积特征进行激活，得到第二激活特征；
31、对所述第二激活特征和所述目标第一图像特征进行相乘，得到所述目标第一图像特征对应的第二图像特征。
32、在本申请实施例较佳的选择中，在上述目标识别方法中，多个所述第一图像特征中存在一个目标第一图像特征；
33、其中，对所述目标第一图像特征采用注意力机制进行处理，得到一个第二图像特征的步骤，包括：
34、对所述目标第一图像特征中的第一维度进行第五池化，得到第五池化特征，并对所述目标第一图像特征中的第一维度进行第六池化，得到第六池化特征，所述第五池化不同于所述第六池化；
35、基于所述第五池化特征、所述第六池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征。
36、在本申请实施例较佳的选择中，在上述目标识别方法中，多个所述第一图像特征中存在一个目标第一图像特征；
37、其中，对所述目标第一图像特征采用注意力机制进行处理，得到一个第二图像特征的步骤，包括：
38、对所述目标第一图像特征中的第二维度进行第七池化，得到第七池化特征，并对所述目标第一图像特征中的第二维度进行第八池化，得到第八池化特征，所述第七池化不同于所述第八池化；
39、基于所述第七池化特征、所述第八池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征。
40、在本申本文档来自技高网...
【技术保护点】
1.一种目标识别方法，其特征在于，包括：
2.根据权利要求1所述的目标识别方法，其特征在于，所述基于多个所述第一图像特征，得到多个第二图像特征的步骤，包括：
3.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
4.根据权利要求3所述的目标识别方法，其特征在于，所述基于所述第一池化特征、所述第二池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
5.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
6.根据权利要求5所述的目标识别方法，其特征在于，所述基于所述第三池化特征、所述第四池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
7.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
8.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；>
9.根据权利要求1所述的目标识别方法，其特征在于，所述基于目标物件对应的目标物件图像，得到多个第一图像特征的步骤，包括：
10.一种识别网络训练方法，其特征在于，包括：
11.根据权利要求10所述的识别网络训练方法，其特征在于，所述基于多个所述第一样本特征，得到多个第二样本特征的步骤，包括：
12.根据权利要求10所述的识别网络训练方法，其特征在于，所述利用候选识别网络，基于样本物件图像，得到多个第一样本特征的步骤，包括：
13.根据权利要求10所述的识别网络训练方法，其特征在于，所述基于所述样本状态信息和所述样本物件图像对应的实际状态信息，得到所述候选识别网络具有的网络误差参数的步骤，包括：
14.一种目标识别装置，其特征在于，包括：
15.一种识别网络训练装置，其特征在于，包括：
16.一种电子设备，其特征在于，包括：
17.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时实现权利要求1-9任意一项所述的目标识别方法或实现权利要求10-13任意一项所述的识别网络训练方法。
...【技术特征摘要】
1.一种目标识别方法，其特征在于，包括：
2.根据权利要求1所述的目标识别方法，其特征在于，所述基于多个所述第一图像特征，得到多个第二图像特征的步骤，包括：
3.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
4.根据权利要求3所述的目标识别方法，其特征在于，所述基于所述第一池化特征、所述第二池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
5.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
6.根据权利要求5所述的目标识别方法，其特征在于，所述基于所述第三池化特征、所述第四池化特征和所述目标第一图像特征，得到所述目标第一图像特征对应的第二图像特征的步骤，包括：
7.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
8.根据权利要求2所述的目标识别方法，其特征在于，多个所述第一图像特征中存在一个目标第一图像特征；
9.根据权利要...
【专利技术属性】
技术研发人员：王飞扬，黎小华，江海凡，周敬尧，张晶，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。