图像识别方法、图像识别装置、制冷设备及存储介质与流程

摘要: 本申请涉及图像识别,特别涉及一种图像识别方法、图像识别装置、制冷设备及计算机可读存储介质。背景技术:1、随着人工智能技术的发展,多模态大模型在商品包装图像识别领...
图像识别方法、图像识别装置、制冷设备及存储介质与流程

本申请涉及图像识别,特别涉及一种图像识别方法、图像识别装置、制冷设备及计算机可读存储介质。

背景技术:

1、随着人工智能技术的发展,多模态大模型在商品包装图像识别领域得到了广泛应用。然而,当前多模态大模型通常以正向图像作为主要训练数据分布,在直接识别非正向商品包装图像时,容易因输入图像存在旋转、倒置或侧置而导致识别准确率下降,甚至识别失败。

技术实现思路

1、本申请实施方式提供了一种图像识别方法、图像识别装置、制冷设备及计算机可读存储介质,以解决上述存在的至少一个技术问题。

2、本申请实施方式的图像识别方法,包括:

3、基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配;

4、当匹配失败时,通过第一识别模型确定所述原始图像的初步旋转角度;

5、当所述初步旋转角度对应的置信度低于预设置信度阈值时,通过第二识别模型确定所述原始图像的修正角度,其中,所述第一识别模型的参数量小于所述第二识别模型的参数量;

6、根据所述修正角度对所述原始图像进行转正处理,得到正向图像;

7、通过所述第二识别模型对所述正向图像进行内容识别,得到识别结果。

8、在某些实施方式中,所述基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配,包括:

9、对所述原始图像进行目标拆分,得到至少一个子图像;

10、基于各所述子图像,在预先构建的特征向量库中进行模板匹配。

11、在某些实施方式中,所述基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配,包括:

12、对所述原始图像提取特征信息,并在预先构建的特征向量库中进行相似度匹配;

13、当匹配相似度大于预设相似度阈值时,确定匹配成功;

14、当所述匹配相似度不大于所述预设相似度阈值时,确定匹配失败。

15、在某些实施方式中,所述图像识别方法还包括:

16、当匹配成功时,对所述原始图像与匹配到的模板图像进行特征点匹配;

17、基于匹配的特征点对,通过随机抽样一致性算法计算对应矩阵;

18、根据所述对应矩阵中的旋转分量,计算所述原始图像相对于所述模板图像正向状态的旋转角度,作为修正角度。

19、在某些实施方式中,所述通过第一识别模型确定所述原始图像的初步旋转角度,包括:

20、对所述原始图像分别执行多个不同角度的旋转操作,得到多方向候选图像集合;

21、将所述多方向候选图像集合输入所述第一识别模型,以获取各方向候选图像对应的旋转角度预测概率分布;

22、基于所述旋转角度预测概率分布,确定所述原始图像的初步旋转角度。

23、在某些实施方式中,所述基于所述旋转角度预测概率分布,确定所述原始图像的初步旋转角度,包括:

24、针对各方向候选图像,将所述第一识别模型的预测角度减去对所述原始图像施加的旋转角度并取模,得到各方向候选图像对应的映射角度;

25、针对各候选旋转角度,将映射角度指向该候选旋转角度的各方向候选图像对应的旋转角度预测概率进行累加,得到该候选旋转角度的加权得分;

26、选择加权得分最高的候选旋转角度,作为所述初步旋转角度;

27、所述图像识别方法还包括:

28、将映射角度指向所述初步旋转角度的各方向候选图像对应的旋转角度预测概率取平均值,作为所述初步旋转角度对应的置信度。

29、在某些实施方式中,所述通过第二识别模型确定所述原始图像的修正角度,包括:

30、通过所述第二识别模型对所述原始图像对应的多方向候选图像进行方向判别,得到最符合预设正向标准的候选旋转角度;

31、根据所述候选旋转角度,确定所述原始图像的修正角度。

32、在某些实施方式中,所述图像识别方法还包括:

33、当所述初步旋转角度对应的置信度不低于所述预设置信度阈值时,将所述初步旋转角度作为修正角度。

34、在某些实施方式中,所述图像识别方法还包括:

35、当匹配失败时,在得到所述识别结果后,将所述原始图像对应的特征信息写入所述特征向量库。

36、本申请实施方式的图像识别装置,包括:

37、匹配模块,用于基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配;

38、第一确定模块,用于在匹配失败时,通过第一识别模型确定所述原始图像的初步旋转角度;

39、第二确定模块,用于在所述初步旋转角度对应的置信度低于预设置信度阈值时,通过第二识别模型确定所述原始图像的修正角度,其中,所述第一识别模型的参数量小于所述第二识别模型的参数量;

40、处理模块,用于根据所述修正角度对所述原始图像进行转正处理,得到正向图像;

41、识别模块,用于通过所述第二识别模型对所述正向图像进行内容识别,得到识别结果。

42、本申请实施方式的制冷设备,所述制冷设备包括一个或多个处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行的情况下,实现上述任一实施方式的图像识别方法。

43、本申请实施方式的计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行的情况下,实现上述任一实施方式的图像识别方法。

44、本申请实施方式的图像识别方法、图像识别装置、制冷设备及计算机可读存储介质,在特征向量库匹配失败时,利用参数量较小的第一识别模型进行方向快速判别,并在置信度不足时调用参数量较大的第二识别模型进行方向复核,最终将转正后的正向图像输入第二识别模型完成内容识别,从而在提升非正向图像识别准确率的同时,降低了第二识别模型直接参与方向判断的计算开销,提高了整体处理效率。

45、本申请实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请实施方式的实践了解到。

1.一种图像识别方法,其特征在于,包括:

2.根据权利要求1所述的图像识别方法,其特征在于,所述基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配,包括:

3.根据权利要求1所述的图像识别方法,其特征在于,所述基于待识别的原始图像,在预先构建的特征向量库中进行模板匹配,包括:

4.根据权利要求1所述的图像识别方法,其特征在于,所述图像识别方法还包括:

5.根据权利要求1所述的图像识别方法,其特征在于,所述通过第一识别模型确定所述原始图像的初步旋转角度,包括:

6.根据权利要求5所述的图像识别方法,其特征在于,所述基于所述旋转角度预测概率分布,确定所述原始图像的初步旋转角度,包括:

7.根据权利要求1所述的图像识别方法,其特征在于,所述通过第二识别模型确定所述原始图像的修正角度,包括:

8.根据权利要求1所述的图像识别方法,其特征在于,所述图像识别方法还包括:

9.根据权利要求1所述的图像识别方法,其特征在于,所述图像识别方法还包括:

10.一种图像识别装置,其特征在于,包括:

11.一种制冷设备,其特征在于,所述制冷设备包括一个或多个处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行的情况下,实现权利要求1-9任意一项所述的图像识别方法。

12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行的情况下,实现权利要求1-9任意一项所述的图像识别方法。