一种条状目标的识别方法、系统、计算机设备和存储介质
技术特征:
1.一种条状目标的识别方法,其特征在于,所述方法包括以下步骤:
2.如权利要求1所述的条状目标的识别方法,其特征在于,s2中的编码器模块包括若干层依次连接的编码块,解码器模块包括与若干层编码块数量相同且依次连接的解码块,跨空间transformer模块包括若干个跨空间transformer块,若干层编码块与若干层解码块中除了最顶层以外其他层分别通过若干个跨空间transformer块对应连接。
3.如权利要求2所述的条状目标的识别方法,其特征在于,s2中的编码器模块具体为深度残差网络,深度残差网络包括若干个依次连接的残差块,将条形目标的图像数据输入深度残差网络处理,若干个依次连接的残差块从条形目标的图像数据中依次提取出若干个图像特征。
4.如权利要求2所述的条状目标的识别方法,其特征在于,s2中跨空间transformer模块中的每个跨空间transformer块均包括并行连接的条形注意力模块和跨像素注意力模块,条形注意力模块和跨像素注意力模块分别接收与其对应连接的编码块输出的图像特征并处理,相应输出条形注意力特征和跨像素注意力特征,将条形注意力特征和跨像素注意力特征进行拼接,将拼接后的特征作为对应的跨空间transformer块输出的跨空间感知特征。
5.如权利要求4所述的条状目标的识别方法,其特征在于,条形注意力模块包括依次连接的第一归一化层、条形注意力层、第二归一化层以及第一多层感知机,条形注意力模块接收与其对应连接的编码块输出的图像特征并处理,输出条形注意力特征,具体过程如下:
6.如权利要求5所述的条状目标的识别方法,其特征在于,跨像素注意力模块包括依次连接的第三归一化层、跨像素注意力层、第四归一化层和第二多层感知机,跨像素注意力模块接收与其对应连接的编码块输出的图像特征并处理,输出跨像素注意力特征,具体过程如下:
7.如权利要求2所述的条状目标的识别方法,其特征在于,s2中解码器模块中的最底层解码块接收与其对应连接的跨空间transformer块输出的跨空间感知特征并处理,得到最底层解码特征,解码器模块中的其他非最底层解码块接收与其对应连接的跨空间transformer块输出的跨空间感知特征以及上一相邻层解码块输出的解码特征并处理,得到当前层解码块对应的解码特征,解码器模块中的最顶层解码块接收与其相邻的上一层解码块输出的解码特征,经过卷积处理后,输出最顶层解码块对应的解码特征,将最顶层解码块对应的解码特征作为条形目标的识别结果。
8.一种条状目标的识别系统,使用如权利要求1至7任一项所述的条状目标的识别方法对条状目标进行识别,其特征在于,该识别系统包括图像数据获取模块、条状目标识别模型以及计算机系统,图像数据获取模块与计算机系统连接,条状目标识别模型设置在计算机系统中,其中:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的条状目标识别方法中的步骤。
10.一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,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的条状目标识别方法中的步骤。
技术总结
本发明公开了一种条状目标的识别方法、系统、计算机设备和存储介质,预设条状目标识别模型,该模型包括依次连接的编码器模块、跨空间Transformer模块和解码器模块,采用训练集对条状目标识别模型进行训练,并通过预设的损失函数计算损失,得到训练后的条状目标识别模型,将待检测条形目标的图像数据输入训练后的条状目标识别模型,训练后的条状目标识别模型中的编码器模块接收条形目标的图像数据并进行特征提取,输出图像特征,跨空间Transformer模块接收图像特征并处理,输出跨空间感知特征,解码器模块接收跨空间感知特征并处理,输出待检测条形目标的识别结果。该方法能够高效高精度地实现条状目标识别。
技术研发人员:梅杰,张辉,苏英剑,王耀南
受保护的技术使用者:湖南大学
技术研发日:
技术公布日:2024/11/18
技术研发人员:梅杰,张辉,苏英剑,王耀南
技术所有人:湖南大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
