CN112215114A - 一种目标识别方法、装置、设备及计算机可读存储介质 - Google Patents
一种目标识别方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112215114A CN112215114A CN202011058342.0A CN202011058342A CN112215114A CN 112215114 A CN112215114 A CN 112215114A CN 202011058342 A CN202011058342 A CN 202011058342A CN 112215114 A CN112215114 A CN 112215114A
- Authority
- CN
- China
- Prior art keywords
- target
- algorithm
- recognition
- identification
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 128
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
- G06F16/148—File search processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标识别方法,该方法包括以下步骤:对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。应用本发明实施例所提供的技术方案,不需要安装多个软件,节省时间,提升了对待识别目标的识别效果。本发明还公开了一种目标识别装置、设备及存储介质,具有相应技术效果。
Description
技术领域
本发明涉及图像识别技术领域,特别是涉及一种目标识别方法、装置、设备及计算机可读存储介质。
背景技术
在高空无人机侦察识别时,会根据现场需要,更改和选择不同卷积神经网络算法对多目标和不同种类目标进行识别。
目前采用卷积神经网络算法的识别软件进行识别时,目标识别软件一般采用固定推理方法对单种推理方式的神经网络算法进行识别推理,即在软件设计之初便确定算法所采用的推理规则。这种软件进行算法更改时,只能选择同种类的算法进行替换。例如:采用yolo算法网络进行推理的软件只能用yolo类算法进行替换,采用rcnn类的算法网络只能用rcnn类的算法进行替换。但是,例如进行巡逻时需要进行多种目标的广泛的识别,这时需要采用快速的yolo类型网络。而又在进行跟踪和侦察时需要进行精细化的高准确度识别,这时需要采用rcnn类型网络。只能通过重启其他类型算法网络对应的软件的方式进行目标识别,需要安装各类算法网络分别对应的软件,软件安装冗杂,软件重启过程慢,影响对待识别目标的识别效果。
综上所述,如何有效地解决现有的目标识别方法软件安装冗杂,软件重启过程慢,影响对待识别目标的识别效果等问题,是目前本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种目标识别方法,该方法不需要安装多个软件,节省时间,提升了对待识别目标的识别效果;本发明的另一目的是提供一种目标识别装置、设备及计算机可读存储介质。
为解决上述技术问题,本发明提供如下技术方案:
一种目标识别方法,包括:
对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;
从文件数据库中查找与所述目标识别算法对应的目标描述文件;其中,所述文件数据库中存储有各识别算法与各描述文件之间的对应关系;
读取所述目标描述文件中的目标算法类型;
从模型数据库中调取与所述目标算法类型对应的目标识别模型;其中,所述模型数据库中存储有各算法类型与各识别模型之间的对应关系;
利用所述目标识别模型对所述待识别目标进行识别操作。
在本发明的一种具体实施方式中,在利用所述目标识别模型对所述待识别目标进行识别操作之后,还包括:
输出目标识别结果。
在本发明的一种具体实施方式中,输出目标识别结果,包括:
将所述目标识别结果以包络框的形式绘制于所述待识别目标所在图像,得到目标图像;
输出所述目标图像。
在本发明的一种具体实施方式中,将所述目标识别结果以包络框的形式绘制于所述待识别目标所在图像,包括:
读取所述目标描述文件中的目标锚点信息;
根据所述目标锚点信息计算所述目标包络框;
将所述目标识别结果以所述目标包络框的形式绘制于所述待识别目标所在图像。
在本发明的一种具体实施方式中,当基于多个包含待识别目标的图像对所述待识别目标进行识别时,输出所述目标图像,包括:
将绘制后得到的各所述目标图像编码为目标视频流;
对所述目标视频流进行输出操作。
在本发明的一种具体实施方式中,输出所述目标识别结果,包括:
按照预设标准输出格式对所述目标识别结果进行输出操作。
一种目标识别装置,包括:
请求解析模块,用于对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;
文件查找模块,用于从文件数据库中查找与所述目标识别算法对应的目标描述文件;其中,所述文件数据库中存储有各识别算法与各描述文件之间的对应关系;
算法类型读取模块,用于读取所述目标描述文件中的目标算法类型;
模型调取模块,用于从模型数据库中调取与所述目标算法类型对应的目标识别模型;其中,所述模型数据库中存储有各算法类型与各识别模型之间的对应关系;
识别模块,用于利用所述目标识别模型对所述待识别目标进行识别操作。
在本发明的一种具体实施方式中,还包括:
结果输出模块,用于在利用所述目标识别模型对所述待识别目标进行识别操作之后,输出目标识别结果。
一种目标识别设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前所述目标识别方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前所述目标识别方法的步骤。
应用本发明实施例所提供的方法,对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。通过预先设置存储有各识别算法分别对应的描述文件的文件数据库,以及存储有各算法类型分别对应的识别模型的模型数据库,当解析到需要调用的目标识别算法时,直接调取目标算法对应的目标识别模型对待识别目标进行识别。不需要安装多个软件,节省时间,提升了对待识别目标的识别效果。
相应的,本发明实施例还提供了与上述目标识别方法相对应的目标识别装置、设备和计算机可读存储介质,具有上述技术效果,在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中目标识别方法的一种实施流程图;
图2为本发明实施例中目标识别方法的另一种实施流程图;
图3为本发明实施例中一种目标识别装置的结构框图;
图4为本发明实施例中一种目标识别设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
参见图1,图1为本发明实施例中目标识别方法的一种实施流程图,该方法可以包括以下步骤:
S101:对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法。
在高空无人机执行侦察任务的过程中,当需要进行目标识别时,向目标识别中心发送目标识别请求,目标识别请求中包含待识别目标和目标识别算法。目标识别中心接收目标识别请求,并对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法。
目标识别算法为与当前场景相适应的识别算法。
S102:从文件数据库中查找与目标识别算法对应的目标描述文件。
其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系。
预设建立存储有各识别算法与各描述文件之间的对应关系的文件数据库。在解析得到待识别目标和对待识别目标进行识别所需的目标识别算法之后,从文件数据库中查找与目标识别算法对应的目标描述文件。描述文件中包含目标识别算法的算法名称,算法的类型,算法的识别类,算法的锚点等信息。描述文件可以采用json格式。
S103:读取目标描述文件中的目标算法类型。
不同的场景所需的算法类型不同,如进行巡逻时需要进行多种目标的广泛的识别,这时需要采用快速的yolo类型网络,而又在进行跟踪和侦察时需要进行精细化的高准确度识别,这时需要采用rcnn类型网络。因此通过描述文件对算法类型进行记录。在查找到目标描述文件之后,读取目标描述文件中的目标算法类型。
S104:从模型数据库中调取与目标算法类型对应的目标识别模型。
其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系。
预先建立存储有各算法类型与各识别模型之间的对应关系的模型数据库。在读取到目标算法类型之后,从模型数据库中调取与目标算法类型对应的目标识别模型。
S105:利用目标识别模型对待识别目标进行识别操作。
在调取到目标识别模型之后,利用目标识别模型对待识别目标进行识别操作。目标识别模型包含目标算法类型对应的神经网络结构和权重的结构化文件。通过预先设置存储有各识别算法分别对应的描述文件的文件数据库,以及存储有各算法类型分别对应的识别模型的模型数据库,当解析到需要调用的目标识别算法时,直接调取目标算法对应的目标识别模型对待识别目标进行识别。不需要安装多个软件,节省时间,提升了对待识别目标的识别效果。
应用本发明实施例所提供的方法,对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。通过预先设置存储有各识别算法分别对应的描述文件的文件数据库,以及存储有各算法类型分别对应的识别模型的模型数据库,当解析到需要调用的目标识别算法时,直接调取目标算法对应的目标识别模型对待识别目标进行识别。不需要安装多个软件,节省时间,提升了对待识别目标的识别效果。
需要说明的是,基于上述实施例一,本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例一中相同步骤或相应步骤之间可相互参考,相应的有益效果也可相互参照,在下文的改进实施例中不再一一赘述。
实施例二:
参见图2,图2为本发明实施例中目标识别方法的另一种实施流程图,该方法可以包括以下步骤:
S201:对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法。
S202:从文件数据库中查找与目标识别算法对应的目标描述文件。
其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系。
S203:读取目标描述文件中的目标算法类型。
S204:从模型数据库中调取与目标算法类型对应的目标识别模型。
其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系。
S205:利用目标识别模型对待识别目标进行识别操作。
S206:读取目标描述文件中的目标锚点信息。
目标描述文件中还存在目标锚点信息,在利用目标识别模型对待识别目标进行识别操作之后,读取目标描述文件中的目标锚点信息。
S207:根据目标锚点信息计算目标包络框。
在读取到目标锚点信息之后,根据目标锚点信息计算目标包络框。通过根据目标锚点信息计算目标包络框,对包络框与待识别目标的位置进行微调,得到目标包络框,从而利用目标包络框对待识别目标进行准确地标定。
S208:将目标识别结果以目标包络框的形式绘制于待识别目标所在图像。
在计算得到目标包络框之后,将目标识别结果以目标包络框的形式绘制于待识别目标所在图像。具体的,将待识别目标的位置以包络框的形式绘制在,同时也可以选择将检测的待识别目标的类型,置信度也显示叠加在该图像上。
S209:当基于多个包含待识别目标的图像对待识别目标进行识别时,将绘制后得到的各目标图像编码为目标视频流。
在对待识别目标进行识别过程中是可能是通过拍摄的视频流的方式对待识别目标进行拍摄,再把拍摄得到的视频流分解为多帧图像,基于多个包含待识别目标的图像对待识别目标进行识别。当基于多个包含待识别目标的图像对待识别目标进行识别时,绘制后得到的目标图像也为多个,将绘制后得到的各目标图像编码为目标视频流。
S210:按照预设标准输出格式对目标视频流进行输出操作。
预先设置对目标识别结果进行输出的标准输出格式,在将绘制后得到的各目标图像编码为目标视频流之后,按照预设标准输出格式对目标视频流进行输出操作。通过按照预设标准输出格式对目标视频流进行输出操作,保证了对不同识别模型的顺利切换。预设标准输出格式可以为“目标左上点坐标,目标左下点坐标,目标类,置信度”。数据流中识别结果(12,12,24,24,vehicle,0.99),目标左上点坐标(12,12)指左上点相对于图像的坐标,目标左下点坐标(24,24)指左下点相对于图像的坐标,目标类(vehicle)指识别出的目标名,置信度(0.99)指识别为该目标的概率。
本实施例区别于独立权利要求1所要求保护的技术方案对应的实施例一,还增加了从属权利要求2至6对应要求保护的技术方案,当然,根据实际情况和要求的不同,可将各从属权利要求对应要求保护的技术方案在不影响方案完整性的基础上进行灵活组合,以更加符合不同使用场景的要求,本实施例只是给出了其中一种包含方案最多、效果最优的方案,因为情况复杂,无法对所有可能存在的方案一一列举,本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子,在不付出足够的创造性劳动下,应均在本申请的保护范围内。
相应于上面的方法实施例,本发明实施例还提供了一种目标识别装置,下文描述的目标识别装置与上文描述的目标识别装置可相互对应参照。
参见图3,图3为本发明实施例中一种目标识别装置的结构框图,该装置可以包括:
请求解析模块31,用于对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;
文件查找模块32,用于从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;
算法类型读取模块33,用于读取目标描述文件中的目标算法类型;
模型调取模块34,用于从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;
识别模块35,用于利用目标识别模型对待识别目标进行识别操作。
应用本发明实施例所提供的装置,对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。通过预先设置存储有各识别算法分别对应的描述文件的文件数据库,以及存储有各算法类型分别对应的识别模型的模型数据库,当解析到需要调用的目标识别算法时,直接调取目标算法对应的目标识别模型对待识别目标进行识别。不需要安装多个软件,节省时间,提升了对待识别目标的识别效果。
在本发明的一种具体实施方式中,该装置还可以包括:
结果输出模块,用于在利用目标识别模型对待识别目标进行识别操作之后,输出目标识别结果。
在本发明的一种具体实施方式中,结果输出模块包括:
图像绘制子模块,用于将目标识别结果以包络框的形式绘制于待识别目标所在图像,得到目标图像;
图像输出子模块,用于输出目标图像。
在本发明的一种具体实施方式中,图像绘制子模块包括:
锚点信息读取单元,用于读取目标描述文件中的目标锚点信息;
包络框计算单元,用于根据目标锚点信息计算目标包络框;
图像绘制单元,用于将目标识别结果以目标包络框的形式绘制于待识别目标所在图像。
在本发明的一种具体实施方式中,图像输出子模块包括:
视频流获得单元,用于当基于多个包含待识别目标的图像对待识别目标进行识别时,将绘制后得到的各目标图像编码为目标视频流;
视频流输出单元,用于对目标视频流进行输出操作。
在本发明的一种具体实施方式中,结果输出模块具体为按照预设标准输出格式对目标识别结果进行输出操作的模块。
相应于上面的方法实施例,参见图4,图4为本发明所提供的目标识别设备的示意图,该设备可以包括:
存储器41,用于存储计算机程序;
处理器42,用于执行上述存储器41存储的计算机程序时可实现如下步骤:
对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。
对于本发明提供的设备的介绍请参照上述方法实施例,本发明在此不做赘述。
相应于上面的方法实施例,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下步骤:
对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;从文件数据库中查找与目标识别算法对应的目标描述文件;其中,文件数据库中存储有各识别算法与各描述文件之间的对应关系;读取目标描述文件中的目标算法类型;从模型数据库中调取与目标算法类型对应的目标识别模型;其中,模型数据库中存储有各算法类型与各识别模型之间的对应关系;利用目标识别模型对待识别目标进行识别操作。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例,本发明在此不做赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种目标识别方法,其特征在于,包括:
对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;
从文件数据库中查找与所述目标识别算法对应的目标描述文件;其中,所述文件数据库中存储有各识别算法与各描述文件之间的对应关系;
读取所述目标描述文件中的目标算法类型;
从模型数据库中调取与所述目标算法类型对应的目标识别模型;其中,所述模型数据库中存储有各算法类型与各识别模型之间的对应关系;
利用所述目标识别模型对所述待识别目标进行识别操作。
2.根据权利要求1所述的目标识别方法,其特征在于,在利用所述目标识别模型对所述待识别目标进行识别操作之后,还包括:
输出目标识别结果。
3.根据权利要求2所述的目标识别方法,其特征在于,输出目标识别结果,包括:
将所述目标识别结果以包络框的形式绘制于所述待识别目标所在图像,得到目标图像;
输出所述目标图像。
4.根据权利要求3所述的目标识别方法,其特征在于,将所述目标识别结果以包络框的形式绘制于所述待识别目标所在图像,包括:
读取所述目标描述文件中的目标锚点信息;
根据所述目标锚点信息计算所述目标包络框;
将所述目标识别结果以所述目标包络框的形式绘制于所述待识别目标所在图像。
5.根据权利要求4所述的目标识别方法,其特征在于,当基于多个包含待识别目标的图像对所述待识别目标进行识别时,输出所述目标图像,包括:
将绘制后得到的各所述目标图像编码为目标视频流;
对所述目标视频流进行输出操作。
6.根据权利要求2至5任一项所述的目标识别方法,其特征在于,输出所述目标识别结果,包括:
按照预设标准输出格式对所述目标识别结果进行输出操作。
7.一种目标识别装置,其特征在于,包括:
请求解析模块,用于对接收到的目标识别请求进行解析,得到待识别目标和目标识别算法;
文件查找模块,用于从文件数据库中查找与所述目标识别算法对应的目标描述文件;其中,所述文件数据库中存储有各识别算法与各描述文件之间的对应关系;
算法类型读取模块,用于读取所述目标描述文件中的目标算法类型;
模型调取模块,用于从模型数据库中调取与所述目标算法类型对应的目标识别模型;其中,所述模型数据库中存储有各算法类型与各识别模型之间的对应关系;
识别模块,用于利用所述目标识别模型对所述待识别目标进行识别操作。
8.根据权利要求7所述的目标识别装置,其特征在于,还包括:
结果输出模块,用于在利用所述目标识别模型对所述待识别目标进行识别操作之后,输出目标识别结果。
9.一种目标识别设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述目标识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述目标识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058342.0A CN112215114A (zh) | 2020-09-30 | 2020-09-30 | 一种目标识别方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058342.0A CN112215114A (zh) | 2020-09-30 | 2020-09-30 | 一种目标识别方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215114A true CN112215114A (zh) | 2021-01-12 |
Family
ID=74051798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011058342.0A Pending CN112215114A (zh) | 2020-09-30 | 2020-09-30 | 一种目标识别方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215114A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909186A (zh) * | 2022-09-30 | 2023-04-04 | 北京瑞莱智慧科技有限公司 | 图像信息识别方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516090A (zh) * | 2019-08-09 | 2019-11-29 | 广东浪潮大数据研究有限公司 | 一种物体检测方法、装置、设备及计算机可读存储介质 |
CN111008954A (zh) * | 2019-11-04 | 2020-04-14 | 联想(北京)有限公司 | 一种信息处理方法及装置、电子设备和存储介质 |
CN111523423A (zh) * | 2020-04-15 | 2020-08-11 | 四川赛康智能科技股份有限公司 | 一种电力设备识别方法及装置 |
-
2020
- 2020-09-30 CN CN202011058342.0A patent/CN112215114A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516090A (zh) * | 2019-08-09 | 2019-11-29 | 广东浪潮大数据研究有限公司 | 一种物体检测方法、装置、设备及计算机可读存储介质 |
CN111008954A (zh) * | 2019-11-04 | 2020-04-14 | 联想(北京)有限公司 | 一种信息处理方法及装置、电子设备和存储介质 |
CN111523423A (zh) * | 2020-04-15 | 2020-08-11 | 四川赛康智能科技股份有限公司 | 一种电力设备识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115909186A (zh) * | 2022-09-30 | 2023-04-04 | 北京瑞莱智慧科技有限公司 | 图像信息识别方法、装置、计算机设备及存储介质 |
CN115909186B (zh) * | 2022-09-30 | 2024-05-14 | 北京瑞莱智慧科技有限公司 | 图像信息识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN112132130B (zh) | 一种面向全场景的实时性车牌检测方法及系统 | |
CN112906483B (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
CN112487883B (zh) | 智能笔书写行为特征分析方法、装置及电子设备 | |
CN112995749A (zh) | 视频字幕的处理方法、装置、设备和存储介质 | |
CN111031351A (zh) | 一种预测目标物轨迹的方法及装置 | |
CN114022887B (zh) | 文本识别模型训练及文本识别方法、装置、电子设备 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN112215114A (zh) | 一种目标识别方法、装置、设备及计算机可读存储介质 | |
CN114022955A (zh) | 一种动作识别方法及装置 | |
CN112486337B (zh) | 笔迹图形分析方法、装置及电子设备 | |
CN113114986A (zh) | 基于画面和声音同步的预警方法及相关设备 | |
CN111914682A (zh) | 一种包含演示文稿的教学视频分割方法、装置及设备 | |
CN113569771B (zh) | 视频分析方法及装置、电子设备和存储介质 | |
CN115147756A (zh) | 一种视频流处理方法、装置、电子设备及存储介质 | |
CN113762017B (zh) | 一种动作识别方法、装置、设备及存储介质 | |
CN112487897B (zh) | 笔迹内容评价方法、装置及电子设备 | |
CN114445716A (zh) | 关键点检测方法、装置、计算机设备、介质及程序产品 | |
JP2018137639A (ja) | 動画像処理システム、並びに、符号化装置及びプログラム、並びに、復号装置及びプログラム | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
CN111444823A (zh) | 处理视频数据的方法、装置、计算机设备和存储介质 | |
CN113886477B (zh) | 一种人脸识别的方法及装置 | |
CN112380981B (zh) | 人脸关键点的检测方法、装置、存储介质及电子设备 | |
CN112101254B (zh) | 一种提升图像识别精度和速度的方法和系统 | |
CN110633663B (zh) | 一种手语视频中自动裁剪多模态数据的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |