CN113191261A - 图像类别的识别方法、装置和电子设备 - Google Patents

图像类别的识别方法、装置和电子设备 Download PDF

Info

Publication number
CN113191261A
CN113191261A CN202110474802.6A CN202110474802A CN113191261A CN 113191261 A CN113191261 A CN 113191261A CN 202110474802 A CN202110474802 A CN 202110474802A CN 113191261 A CN113191261 A CN 113191261A
Authority
CN
China
Prior art keywords
spectrum
category
pixel point
spectral
image
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.)
Granted
Application number
CN202110474802.6A
Other languages
English (en)
Other versions
CN113191261B (zh
Inventor
贾壮
龙翔
彭岩
郑弘晖
张滨
王云浩
辛颖
李超
王晓迪
薛松
冯原
韩树民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110474802.6A priority Critical patent/CN113191261B/zh
Publication of CN113191261A publication Critical patent/CN113191261A/zh
Priority to PCT/CN2022/074927 priority patent/WO2022227759A1/zh
Application granted granted Critical
Publication of CN113191261B publication Critical patent/CN113191261B/zh
Priority to US18/151,108 priority patent/US20230154163A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/58—Extraction of image or video features relating to hyperspectral data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Abstract

本公开公开了图像类别的识别方法、装置和电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：获取光谱图像；基于光谱图像对图像识别模型进行训练，由图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，基于拼接特征进行分类识别，输出每个像素点的识别概率；基于第二像素点的识别概率，确定并基于损失函数调整图像识别模型；从目标图像识别模型输出的第一像素点在每个类别下的识别概率中识别最大识别概率，并将最大识别概率对应的类别确定为第一像素点对应的目标类别，需要的样本数量较少，标注成本较低。

Description

图像类别的识别方法、装置和电子设备
技术领域
本公开涉及计算机技术领域，尤其涉及一种图像类别的识别方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
目前，光谱图像在地理测绘、土地利用监测、城市规划等领域中得到了广泛应用，尤其高光谱图像因其频段数量多、频谱范围宽、包含地物信息丰富等特点，被广泛应用于图像类别识别。然而，相关技术中的图像类别的识别方法，在模型训练阶段需要依赖较多的标注数据，标注成本较高。
发明内容
提供了一种图像类别的识别方法、装置、电子设备、存储介质和计算机程序产品。
根据第一方面，提供了一种图像类别的识别方法，包括：获取光谱图像，其中，所述光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点；基于所述光谱图像对图像识别模型进行训练，由所述图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对所述光谱语义特征、所述最小距离和所述光谱距离进行拼接，得到拼接特征，并基于所述拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率；基于所述第二像素点的识别概率，确定所述图像识别模型的损失函数，并基于所述损失函数调整所述图像识别模型，并返回基于所述光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型；从所述目标图像识别模型输出的所述第一像素点在每个类别下的识别概率中识别最大识别概率，并将所述最大识别概率对应的类别确定为所述第一像素点对应的目标类别。
根据第二方面，提供了一种图像类别的识别装置，包括：获取模块，用于获取光谱图像，其中，所述光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点；
训练模块，用于基于所述光谱图像对图像识别模型进行训练，由所述图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对所述光谱语义特征、所述最小距离和所述光谱距离进行拼接，得到拼接特征，并基于所述拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率；所述训练模块，还用于基于所述第二像素点的识别概率，确定所述图像识别模型的损失函数，并基于所述损失函数调整所述图像识别模型，并返回基于所述光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型；识别模块，用于从所述目标图像识别模型输出的所述第一像素点在每个类别下的识别概率中识别最大识别概率，并将所述最大识别概率对应的类别确定为所述第一像素点对应的目标类别。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的图像类别的识别方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开第一方面所述的图像类别的识别方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开第一方面所述的图像类别的识别方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的图像类别的识别方法的流程示意图；
图2是根据本公开第二实施例的图像类别的识别方法中获取每个像素点与每个类别的最小距离的流程示意图；
图3是根据本公开第三实施例的图像类别的识别方法中获取每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离的流程示意图；
图4是根据本公开第四实施例的图像类别的识别方法中获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离的流程示意图；
图5是根据本公开第五实施例的图像类别的识别方法中图像识别模型的示意图；
图6是根据本公开第一实施例的图像类别的识别装置的框图；
图7是用来实现本公开实施例的图像类别的识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
AI(Artificial Intelligence，人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
计算机视觉(Computer Vision)是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉是一门综合性的学科，包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。
DL(Deep Learning，深度学习)是ML(Machine Learning，机器学习)领域中一个新的研究方向，是学习样本数据的内在规律和表示层次，使得机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据的一门科学，广泛应用于语音和图像识别。
图1是根据本公开第一实施例的图像类别的识别方法的流程示意图。
如图1所示，本公开第一实施例的图像类别的识别方法，包括：
S101，获取光谱图像，其中，光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点。
需要说明的是，本公开实施例的图像类别的识别方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地，执行主体可包括工作站、服务器，计算机、用户终端及其他智能设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
本公开的实施例中，可获取光谱图像，例如，光谱图像可为高光谱图像。可选的，可通过光谱传感器获取光谱图像。
本公开的实施例中，光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点。应说明的是，待识别的第一像素点指的是未标记为样本的像素点，类别指的是像素点对应的识别类别，这里不做过多限定，例如，类别数量可为c个，包括但不限于草地、建筑、湖泊等，每个类别对应的标记为样本的第二像素点的数量可为k个。其中，c、k均为正整数，均可根据实际情况进行设置，这里不做过多限定。
S102，基于光谱图像对图像识别模型进行训练，由图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对光谱语义特征、最小距离和光谱距离进行拼接，得到拼接特征，并基于拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率。
本公开的实施例中，可由图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离。可以理解的是，每个像素点的光谱语义特征可表征每个像素点的光谱信息，每个像素点与每个类别的最小距离可表征每个像素点与每个类别之间的空间信息，每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离可表征每个像素点的第一光谱与每个类别的第二光谱之间的光谱信息。
可选的，每个像素点的光谱波段数量可为b个。
可选的，每个像素点的光谱语义特征的数量可为m个。
其中，b、m均为正整数，均可根据实际情况进行设置，这里不做过多限定。
可以理解的是，每个像素点对应的最小距离的数量可为c个，每个像素点对应的光谱距离可为c个，其中，c为类别数量。
进一步地，可对光谱语义特征、最小距离和光谱距离进行拼接，得到拼接特征，并基于拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率。由此，该方法可充分利用像素点的光谱信息、像素点与每个类别之间的空间信息以及像素点的第一光谱与每个类别的第二光谱之间的光谱信息，得到像素点在每个类别下的识别概率。
可选的，对光谱语义特征、最小距离和光谱距离进行拼接，可包括对光谱语义特征、最小距离和光谱距离进行横向拼接。例如，若像素点a的光谱语义特征为F1，像素点a与类别d的最小距离为F2，像素点a的第一光谱与类别d的第二光谱之间的光谱距离为F3，则可将[F1，F2，F3]作为拼接特征，并基于[F1，F2，F3]进行分类识别，输出像素点a在类别d下的识别概率。
S103，基于第二像素点的识别概率，确定图像识别模型的损失函数，并基于损失函数调整图像识别模型，并返回基于光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型。
本公开的实施例中，可基于第二像素点的识别概率，确定图像识别模型的损失函数。其中，第二像素点的识别概率可包括第二像素点在每个类别下的识别概率。
可选的，基于第二像素点的识别概率，确定图像识别模型的损失函数，可包括从第二像素点在每个类别下的识别概率中识别最大识别概率，并将最大识别概率对应的类别确定为第二像素点对应的预测类别，根据第二像素点对应的预测类别和标记的真实类别，确定图像识别模型的损失函数。例如，损失函数可为交叉熵损失函数，对应的公式如下：
Loss＝CrossEntropy(P1，P2)
其中，P1为第二像素点对应的预测类别，P2为第二像素点标记的真实类别。
进一步地，可基于损失函数调整图像识别模型，并返回基于光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型。
例如，可基于损失函数调整图像识别模型的参数，并返回基于光谱图像继续对调整后的图像识别模型进行训练，直至迭代次数达到预设次数阈值，或者模型精度达到预设精度阈值，可结束训练生成目标图像识别模型。其中，预设次数阈值、预设精度阈值均可根据实际情况进行设置。
S104，从目标图像识别模型输出的第一像素点在每个类别下的识别概率中识别最大识别概率，并将最大识别概率对应的类别确定为第一像素点对应的目标类别。
本公开的实施例中，生成目标图像识别模型之后，可由目标图像识别模型获取第一像素点的光谱语义特征、第一像素点与每个类别的最小距离、第一像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对光谱语义特征、最小距离和光谱距离进行拼接，得到拼接特征，并基于拼接特征进行分类识别，输出第一像素点在每个类别下的识别概率。
进一步地，可从目标图像识别模型输出的第一像素点在每个类别下的识别概率中识别最大识别概率，并将最大识别概率对应的类别确定为第一像素点对应的目标类别。由此，可将第一像素点对应的识别概率中的最大识别概率对应的类别确定为第一像素点对应的目标类别。
例如，类别包括d、e、f，第一像素点a在类别d、e、f下的识别概率分别为Pd、Pe、Pf，Pd、Pe、Pf中的最大值为Pd，则可将Pd对应的类别d确定为第一像素点a对应的目标类别。
综上，根据本公开实施例的图像类别的识别方法，可充分利用像素点的光谱信息、像素点与每个类别之间的空间信息以及像素点的第一光谱与每个类别的第二光谱之间的光谱信息，得到像素点在每个类别下的识别概率，并将最大识别概率对应的类别确定为像素点对应的类别。且可根据每个类别对应的标记为样本的第二像素点对图像识别模型进行训练，需要的样本数量较少，标注成本较低。
在上述任一实施例的基础上，步骤S102中获取每个像素点的光谱语义特征，可包括将光谱图像输入图像识别模型的语义提取层，基于语义提取层对每个像素点的光谱进行语义特征提取，得到光谱语义特征。
本公开的实施例中，图像识别模型可包括语义提取层，例如，语义提取层可为CNN(Convolutional Neural Networks，卷积神经网络)。
由此，该方法可通过图像识别模型的语义提取层对每个像素点的光谱进行语义特征提取，得到光谱语义特征。
在上述任一实施例的基础上，如图2所示，步骤S102中获取每个像素点与每个类别的最小距离，包括：
S201，获取任一像素点，获取任一像素点与每个类别所包含的每个第二像素点之间的第一距离。
本公开的实施例中，可获取任一像素点与每个类别所包含的每个第二像素点之间的第一距离，任一像素点与每个类别对应的第一距离的数量可为k个，k为每个类别所包含的第二像素点的数量。
例如，可获取任一像素点的第一位置和第二像素点的第二位置，并根据第一位置和第二位置，获取任一像素点和第二像素点之间的第一距离。其中，位置包括但不限于像素点在光谱图像上的坐标。
可选的，第一距离包括但不限于欧式距离、曼哈顿距离等，这里不做过多限定。
S202，针对任一类别，获取任一类别的第一距离中的最小值作为任一像素点与该类别的最小距离。
本公开的实施例中，可针对任一类别，获取任一类别的第一距离中的最小值作为任一像素点与该类别的最小距离。
例如，若类别d包含第二像素点g、h、l，像素点a与第二像素点g、h、l之间的第一距离分别为dg、dh、dl，dg、dh、dl中的最小值为dl，则可将dl作为像素点a与类别d的最小距离。
由此，该方法可获取任一像素点与每个类别所包含的每个第二像素点之间的第一距离，并获取任一类别的第一距离中的最小值作为任一像素点与该类别的最小距离，以获取每个像素点与每个类别的最小距离。
在上述任一实施例的基础上，如图3所示，步骤S102中获取每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，可包括：
S301，将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱。
本公开的实施例中，将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱。例如，类别d包含第二像素点g、h、l，可将第二像素点g、h、l的第一光谱hg、hh、hl作为类别d的第二光谱。
S302，获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将向量距离作为光谱距离。
可以理解的是，每个像素点的光谱波段数量可为b个，每个像素点的第一光谱、每个类别的第二光谱的平均值均可为b维向量。其中，b为正整数，可根据实际情况进行设置，这里不做过多限定。
本公开的实施例中，可获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将向量距离作为光谱距离。
可选的，向量距离包括但不限于欧式距离等，这里不做过多限定。
由此，该方法可将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱，获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将向量距离作为光谱距离，以获取每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离。
在上述任一实施例的基础上，如图4所示，步骤S302中获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，可包括：
S401，对每个像素点的第一光谱进行降维处理，得到第一降维光谱。
S402，对每个类别的第二光谱的平均值进行降维处理，得到第二降维光谱。
本公开的实施例中，可分别对每个像素点的第一光谱、每个类别的第二光谱的平均值进行降维处理，得到第一降维光谱和第二降维光谱。
可选的，可对光谱进行PCA(Principal Component Analysis，主成分分析)处理，从光谱中提取主要特征分量，并基于主要特征分量，生成降维光谱，其中，光谱包括第一光谱和第二光谱，降维光谱包括第一降维光谱和第二降维光谱。由此，可通过PCA处理对光谱进行降维处理，生成第一降维光谱和第二降维光谱。
可选的，可获取光谱所对应的波段，对波段进行筛选，保留目标波段，并基于保留的目标波段上的光谱，生成降维光谱。由此，可通过筛选波段对光谱进行降维处理，并根据保留的目标波段上的光谱生成降维光谱。
S403，获取第一降维光谱和第二降维光谱之间的向量距离。
由此，该方法可分别对每个像素点的第一光谱、每个类别的第二光谱的平均值进行降维处理，得到第一降维光谱和第二降维光谱，并获取第一降维光谱和第二降维光谱之间的向量距离，以获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离。
在上述任一实施例的基础上，如图5所示，图像识别模型包括语义提取层、空间约束层、光谱约束层和分类层。其中，语义提取层用于获取每个像素点的光谱语义特征，空间约束层用于获取每个像素点与每个类别的最小距离，光谱约束层用于获取每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，分类层用于对光谱语义特征、最小距离和光谱距离进行拼接，得到拼接特征，并基于拼接特征进行分类识别，得到每个像素点在每个类别下的识别概率，并从得到的像素点在每个类别下的识别概率中识别最大识别概率，并将最大识别概率对应的类别确定为像素点对应的目标类别，并输出像素点对应的目标类别。
图6是根据本公开第一实施例的图像类别的识别装置的框图。
如图6所示，本公开实施例的图像类别的识别装置600，包括：获取模块601、训练模块602、识别模块603。
获取模块601，用于获取光谱图像，其中，所述光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点；
训练模块602，用于基于所述光谱图像对图像识别模型进行训练，由所述图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对所述光谱语义特征、所述最小距离和所述光谱距离进行拼接，得到拼接特征，并基于所述拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率；
所述训练模块602，还用于基于所述第二像素点的识别概率，确定所述图像识别模型的损失函数，并基于所述损失函数调整所述图像识别模型，并返回基于所述光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型；
识别模块603，用于从所述目标图像识别模型输出的所述第一像素点在每个类别下的识别概率中识别最大识别概率，并将所述最大识别概率对应的类别确定为所述第一像素点对应的目标类别。
在本公开的一个实施例中，所述训练模块602，包括：提取单元，用于将所述光谱图像输入所述图像识别模型的语义提取层，基于所述语义提取层对每个像素点的光谱进行语义特征提取，得到所述光谱语义特征。
在本公开的一个实施例中，所述训练模块602，包括：第一获取单元，用于获取任一像素点，获取所述任一像素点与每个类别所包含的每个第二像素点之间的第一距离；所述第一获取单元，还用于针对任一类别，获取所述任一类别的所述第一距离中的最小值作为所述任一像素点与该类别的所述最小距离。
在本公开的一个实施例中，所述训练模块602，包括：第二获取单元，用于将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱；所述第二获取单元，还用于获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将所述向量距离作为所述光谱距离。
在本公开的一个实施例中，所述第二获取单元，包括：降维子单元，用于对所述每个像素点的第一光谱进行降维处理，得到第一降维光谱；所述降维子单元，还用于对所述每个类别的第二光谱的平均值进行降维处理，得到第二降维光谱；获取子单元，用于获取所述第一降维光谱和所述第二降维光谱之间的向量距离。
在本公开的一个实施例中，所述降维子单元，具体用于：对光谱进行主成分分析PCA处理，从所述光谱中提取主要特征分量，并基于所述主要特征分量，生成降维光谱；其中，所述光谱包括第一光谱和所述第二光谱，所述降维光谱包括所述第一降维光谱和所述第二降维光谱；或者，获取光谱所对应的波段，对所述波段进行筛选，保留目标波段，并基于保留的目标波段上的光谱，生成降维光谱。
综上，本公开实施例的图像类别的识别装置，可充分利用像素点的光谱信息、像素点与每个类别之间的空间信息以及像素点的第一光谱与每个类别的第二光谱之间的光谱信息，得到像素点在每个类别下的识别概率，并将最大识别概率对应的类别确定为像素点对应的类别。且可根据每个类别对应的标记为样本的第二像素点对图像识别模型进行训练，需要的样本数量较少，标注成本较低。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如图1至图4所述的图像类别的识别方法。例如，在一些实施例中，图像类别的识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的图像类别的识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像类别的识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开上述实施例所述的图像类别的识别方法。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种图像类别的识别方法，包括：
获取光谱图像，其中，所述光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点；
基于所述光谱图像对图像识别模型进行训练，由所述图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对所述光谱语义特征、所述最小距离和所述光谱距离进行拼接，得到拼接特征，并基于所述拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率；
基于所述第二像素点的识别概率，确定所述图像识别模型的损失函数，并基于所述损失函数调整所述图像识别模型，并返回基于所述光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型；
从所述目标图像识别模型输出的所述第一像素点在每个类别下的识别概率中识别最大识别概率，并将所述最大识别概率对应的类别确定为所述第一像素点对应的目标类别。
2.根据权利要求1所述的方法，其中，所述获取每个像素点的光谱语义特征，包括：
将所述光谱图像输入所述图像识别模型的语义提取层，基于所述语义提取层对每个像素点的光谱进行语义特征提取，得到所述光谱语义特征。
3.根据权利要求1所述的方法，其中，获取每个像素点与每个类别的最小距离，包括：
获取任一像素点，获取所述任一像素点与每个类别所包含的每个第二像素点之间的第一距离；
针对任一类别，获取所述任一类别的所述第一距离中的最小值作为所述任一像素点与该类别的所述最小距离。
4.根据权利要求1所述的方法，其中，获取每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，包括：
将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱；
获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将所述向量距离作为所述光谱距离。
5.根据权利要求4所述的方法，其中，所述获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，包括：
对所述每个像素点的第一光谱进行降维处理，得到第一降维光谱；
对所述每个类别的第二光谱的平均值进行降维处理，得到第二降维光谱；
获取所述第一降维光谱和所述第二降维光谱之间的向量距离。
6.根据权利要求5所述的方法，其中，所述方法还包括：
对光谱进行主成分分析PCA处理，从所述光谱中提取主要特征分量，并基于所述主要特征分量，生成降维光谱；其中，所述光谱包括第一光谱和所述第二光谱，所述降维光谱包括所述第一降维光谱和所述第二降维光谱；或者，
获取光谱所对应的波段，对所述波段进行筛选，保留目标波段，并基于保留的目标波段上的光谱，生成降维光谱。
7.一种图像类别的识别装置，包括：
获取模块，用于获取光谱图像，其中，所述光谱图像包括待识别的第一像素点和每个类别对应的标记为样本的第二像素点；
训练模块，用于基于所述光谱图像对图像识别模型进行训练，由所述图像识别模型获取每个像素点的光谱语义特征、每个像素点与每个类别的最小距离、每个像素点的第一光谱与每个类别的第二光谱之间的光谱距离，对所述光谱语义特征、所述最小距离和所述光谱距离进行拼接，得到拼接特征，并基于所述拼接特征进行分类识别，输出每个像素点在每个类别下的识别概率；
所述训练模块，还用于基于所述第二像素点的识别概率，确定所述图像识别模型的损失函数，并基于所述损失函数调整所述图像识别模型，并返回基于所述光谱图像继续对调整后的图像识别模型进行训练，直至训练结束生成目标图像识别模型；
识别模块，用于从所述目标图像识别模型输出的所述第一像素点在每个类别下的识别概率中识别最大识别概率，并将所述最大识别概率对应的类别确定为所述第一像素点对应的目标类别。
8.根据权利要求7所述的装置，其中，所述训练模块，包括：
提取单元，用于将所述光谱图像输入所述图像识别模型的语义提取层，基于所述语义提取层对每个像素点的光谱进行语义特征提取，得到所述光谱语义特征。
9.根据权利要求7所述的装置，其中，所述训练模块，包括：
第一获取单元，用于获取任一像素点，获取所述任一像素点与每个类别所包含的每个第二像素点之间的第一距离；
所述第一获取单元，还用于针对任一类别，获取所述任一类别的所述第一距离中的最小值作为所述任一像素点与该类别的所述最小距离。
10.根据权利要求7所述的装置，其中，所述训练模块，包括：
第二获取单元，用于将每个类别所包含的每个第二像素点的第一光谱作为该类别的第二光谱；
所述第二获取单元，还用于获取每个像素点的第一光谱与每个类别的第二光谱的平均值之间的向量距离，将所述向量距离作为所述光谱距离。
11.根据权利要求10所述的装置，其中，所述第二获取单元，包括：
降维子单元，用于对所述每个像素点的第一光谱进行降维处理，得到第一降维光谱；
所述降维子单元，还用于对所述每个类别的第二光谱的平均值进行降维处理，得到第二降维光谱；
获取子单元，用于获取所述第一降维光谱和所述第二降维光谱之间的向量距离。
12.根据权利要求11所述的装置，其中，所述降维子单元，具体用于：
对光谱进行主成分分析PCA处理，从所述光谱中提取主要特征分量，并基于所述主要特征分量，生成降维光谱；其中，所述光谱包括第一光谱和所述第二光谱，所述降维光谱包括所述第一降维光谱和所述第二降维光谱；或者，
获取光谱所对应的波段，对所述波段进行筛选，保留目标波段，并基于保留的目标波段上的光谱，生成降维光谱。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的图像类别的识别方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的图像类别的识别方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的图像类别的识别方法。
CN202110474802.6A 2021-04-29 2021-04-29 图像类别的识别方法、装置和电子设备 Active CN113191261B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110474802.6A CN113191261B (zh) 2021-04-29 2021-04-29 图像类别的识别方法、装置和电子设备
PCT/CN2022/074927 WO2022227759A1 (zh) 2021-04-29 2022-01-29 图像类别的识别方法、装置和电子设备
US18/151,108 US20230154163A1 (en) 2021-04-29 2023-01-06 Method and electronic device for recognizing category of image, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110474802.6A CN113191261B (zh) 2021-04-29 2021-04-29 图像类别的识别方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN113191261A true CN113191261A (zh) 2021-07-30
CN113191261B CN113191261B (zh) 2022-12-06

Family

ID=76980549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110474802.6A Active CN113191261B (zh) 2021-04-29 2021-04-29 图像类别的识别方法、装置和电子设备

Country Status (3)

Country Link
US (1) US20230154163A1 (zh)
CN (1) CN113191261B (zh)
WO (1) WO2022227759A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022227759A1 (zh) * 2021-04-29 2022-11-03 北京百度网讯科技有限公司 图像类别的识别方法、装置和电子设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117292174B (zh) * 2023-09-06 2024-04-19 中化现代农业有限公司 苹果病害识别方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339674A (zh) * 2016-08-17 2017-01-18 中国地质大学（武汉） 基于边缘保持与图割模型的高光谱影像分类方法
CN110991236A (zh) * 2019-10-29 2020-04-10 成都华为技术有限公司 一种图像分类的方法及相关装置
CN111814771A (zh) * 2020-09-04 2020-10-23 支付宝(杭州)信息技术有限公司 图像处理的方法及装置
CN112101271A (zh) * 2020-09-23 2020-12-18 台州学院 一种高光谱遥感影像分类方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10113910B2 (en) * 2014-08-26 2018-10-30 Digimarc Corporation Sensor-synchronized spectrally-structured-light imaging
CN105740894B (zh) * 2016-01-28 2020-05-29 北京航空航天大学 一种高光谱遥感图像的语义标注方法
CN111353463B (zh) * 2020-03-12 2023-07-25 北京工业大学 基于随机深度残差网络的高光谱图像分类方法
CN113191261B (zh) * 2021-04-29 2022-12-06 北京百度网讯科技有限公司 图像类别的识别方法、装置和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339674A (zh) * 2016-08-17 2017-01-18 中国地质大学（武汉） 基于边缘保持与图割模型的高光谱影像分类方法
CN110991236A (zh) * 2019-10-29 2020-04-10 成都华为技术有限公司 一种图像分类的方法及相关装置
CN111814771A (zh) * 2020-09-04 2020-10-23 支付宝(杭州)信息技术有限公司 图像处理的方法及装置
CN112101271A (zh) * 2020-09-23 2020-12-18 台州学院 一种高光谱遥感影像分类方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾锐等: "结合双深度学习特征的高光谱遥感图像分类", 《小型微型计算机系统》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022227759A1 (zh) * 2021-04-29 2022-11-03 北京百度网讯科技有限公司 图像类别的识别方法、装置和电子设备

Also Published As

Publication number Publication date
WO2022227759A1 (zh) 2022-11-03
US20230154163A1 (en) 2023-05-18
CN113191261B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN112861885B (zh) 图像识别方法、装置、电子设备及存储介质
CN112633276A (zh) 训练方法、识别方法、装置、设备、介质
CN113657274B (zh) 表格生成方法、装置、电子设备及存储介质
CN113191261B (zh) 图像类别的识别方法、装置和电子设备
CN113901907A (zh) 图文匹配模型训练方法、图文匹配方法及装置
CN114490998B (zh) 文本信息的抽取方法、装置、电子设备和存储介质
CN112580666A (zh) 图像特征的提取方法、训练方法、装置、电子设备及介质
CN113947188A (zh) 目标检测网络的训练方法和车辆检测方法
CN113537192B (zh) 图像检测方法、装置、电子设备及存储介质
CN114861059A (zh) 资源推荐方法、装置、电子设备及存储介质
CN113641829A (zh) 图神经网络的训练与知识图谱的补全方法、装置
CN115457329B (zh) 图像分类模型的训练方法、图像分类方法和装置
CN114972910B (zh) 图文识别模型的训练方法、装置、电子设备及存储介质
CN115565186A (zh) 文字识别模型的训练方法、装置、电子设备和存储介质
CN114067805A (zh) 声纹识别模型的训练与声纹识别方法及装置
CN112560848B (zh) 兴趣点poi预训练模型的训练方法、装置及电子设备
CN114119972A (zh) 模型获取及对象处理方法、装置、电子设备及存储介质
CN113903071A (zh) 人脸识别方法、装置、电子设备和存储介质
CN113963197A (zh) 图像识别方法、装置、电子设备和可读存储介质
CN113947140A (zh) 人脸特征提取模型的训练方法和人脸特征提取方法
US20220383626A1 (en) Image processing method, model training method, relevant devices and electronic device
CN114550240A (zh) 图像识别的方法、装置、电子设备及存储介质
CN113836418A (zh) 数据的推送方法、装置、电子设备和存储介质
CN114648814A (zh) 人脸活体检测方法及模型的训练方法、装置、设备及介质
CN113033659A (zh) 图像识别模型的训练与图像识别的方法、装置

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
GR01 Patent grant
GR01 Patent grant