申请/专利权人：深圳数联天下智能科技有限公司

申请日：2020-02-12

公开（公告）日：2023-08-04

公开（公告）号：CN111274993B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/44;G06V10/54;G06V10/764;G06V10/77;G06V10/82;G06V10/774;G06N3/0464;G06N3/08;G06T7/40;G06T11/40

优先权：

专利状态码：有效-授权

法律状态：2023.08.04#授权;2020.07.07#实质审查的生效;2020.06.12#公开

摘要：本发明实施例涉及图像识别技术领域，公开了一种眉毛识别方法、装置、计算设备及计算机可读存储介质，该方法包括：获取待识别的眉毛图像；通过预先训练得到的眉毛识别模型对待识别的眉毛图像进行多个浅层特征提取，得到多个浅层特征图；通过眉毛识别模型中的多个分支识别模型分别对多个浅层特征图进行识别，以得到多个分支识别模型各自对应的识别结果；根据识别结果计算每一种眉毛类别的概率和；将最大概率和对应的眉毛类别作为待识别的眉毛图像所属的眉毛类别。通过上述方式，本发明实施例实现了眉毛图像的识别。

主权项：1.一种眉毛识别方法，其特征在于，所述方法包括：获取待识别的眉毛图像；通过预先训练得到的眉毛识别模型对所述待识别的眉毛图像进行多个浅层特征提取，得到多个浅层特征图，一个浅层特征图用于反馈所述眉毛图像的一个低层语义图像特征；通过眉毛识别模型中的多个分支识别模型分别对所述多个浅层特征图进行识别，以得到所述多个分支识别模型各自对应的识别结果，每个识别结果包括用于指示所述眉毛图像中的眉毛属于各种眉毛类别的多个概率，一个概率对应一种眉毛类别，所述多个分支识别模型的感受野各不相同；其中，每个分支识别模型包括降维层、多个相互串联的目标卷积层、目标池化层和全连接层，每个分支模型的目标卷积层中的卷积核的尺寸各不相同；所述通过眉毛识别模型中的多个分支识别模型分别对所述多个浅层特征图进行识别，以得到所述多个分支识别模型各自对应的识别结果，包括：通过各分支识别模型中的降维层分别对所述多个浅层特征图进行降维，以得到所述多个分支识别模型各自对应的多个第三特征图，所述第三特征图用于反馈所述眉毛图像的目标低层语义图像特征，所述目标低层语义图像特征是指所述低层语义图像特征中用于精确表达所述眉毛图像的图像特征；通过所述各分支识别模型中的目标卷积层各自对所述多个分支识别模型各自对应的多个第三特征图进行深层特征提取，得到所述多个分支识别模型各自对应的多个第四特征图，一个第四特征图用于表示所述待识别的眉毛图像的高层语义图像特征；通过所述各分支识别模型中的目标池化层各自对所述多个分支识别模型各自对应的多个第四特征图进行池化，得到多个分支识别模型各自对应的多个第五特征图；通过所述各分支识别模型中的全连接层各自对所述多个分支识别模型各自对应的多个第五特征图表征的图像特征进行加权运算，得到所述多个分支识别模型各自对应的加权结果，每个加权结果包括用于表示所述待识别的眉毛图像属于每一种眉毛类别的可能性的多个数值；对所述多个分支识别模型各自对应的加权结果进行归一化输出，得到所述多个分支识别模型各自对应的识别结果；根据所述识别结果计算每一种眉毛类别对应的概率之和，以得到每一种眉毛类别对应的概率和；将最大概率和对应的眉毛类别作为所述待识别的眉毛图像所属的眉毛类别。

全文数据：

权利要求：

百度查询： 深圳数联天下智能科技有限公司 眉毛识别方法、装置、计算设备及计算机可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD