(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210360326.X (22)申请日 2022.04.07 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 师燕妮　韩茂琨　王威　刘玉宇　 肖京　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 孙浩 (51)Int.Cl. G06V 30/413(2022.01) G06V 10/25(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 图像识别方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本申请涉及图像处理技术， 提供了一种图像 识别方法、 装置、 电子设备及计算机可读存储介 质， 方法包括： 获取目标图像； 基于预训练的特征 提取网络模 型对所述目标图像进行特征提取， 得 到初始图像特征信息； 基于预训练的检测网络模 型对所述初始图像特征信息进行检测处理， 得到 目标位置信息； 基于预训练的无监督变换网络模 型对所述初始 图像特征信息和所述目标位置信 息进行变换处理， 得到目标图像区域变换信息； 基于预训练的识别网络模型对所述目标图像区 域变换信息进行识别处理， 得到目标识别信息。 本申请实施例中， 能够提高印章识别的效率。 权利要求书2页 说明书12页 附图4页 CN 114821614 A 2022.07.29 CN 114821614 A 1.一种图像识别方法， 其特 征在于， 包括： 获取目标图像； 基于预训练的特征提取网络模型对所述目标图像进行特征提取， 得到初始图像特征信 息； 基于预训练的检测网络模型对所述初始图像特征信 息进行检测处理， 得到目标位置信 息； 基于预训练的无监督变换网络模型对所述初始图像特征信息和所述目标位置信息进 行变换处 理， 得到目标图像区域变换信息； 基于预训练的识别网络模型对所述目标图像区域变换信 息进行识别处理， 得到目标识 别信息。 2.根据权利要求1所述的图像识别方法， 其特征在于， 所述特征提取网络模型包括多个 子特征提取模块， 所述初始图像特征信息包括多个子图像特征信息， 所述基于预训练的特 征提取网络模型对所述目标图像进行 特征提取， 得到初始图像特 征信息， 包括： 基于多个所述子特征提取模块对所述目标图像进行逐层特征提取， 得到多个与所述子 特征提取模块对应的所述子图像特 征信息； 将所述子特 征提取模块对应的多个所述子图像特 征信息作为所述初始图像特 征信息。 3.根据权利要求1所述的图像识别方法， 其特征在于， 所述检测网络模型包括多个子检 测模块、 融合模块和全连接模块， 多个所述子检测模块均与所述融合模块连接， 所述融合模 块和所述全连接模块连接， 所述基于预训练的检测网络模型对所述初始图像特征信息进 行 检测处理， 得到目标位置信息， 包括： 基于多个所述子检测模块对应地对多个所述子图像特征信 息进行初步检测处理， 得到 多个子检测信息； 基于所述融合模块对多个所述子检测信息进行融合处 理， 得到融合检测信息； 基于所述全连接模块对所述融合检测信息进行识别分类处理， 得到所述目标位置信 息。 4.根据权利要求3所述的图像识别方法， 其特征在于， 所述检测网络模型的训练过程如 下： 获取训练数据集， 所述训练数据集包括多个训练样本， 每个所述训练样本包括由所述 特征提取网络模型输出的多个所述子图像特 征信息以及对应的标注位置信息； 基于所述全连接模块输出的预测位置信息和所述标注位置信息， 确定损失值； 基于所述损失值对所述检测网络模型进行训练。 5.根据权利要求3所述的图像识别方法， 其特征在于， 所述全连接模块包括BN子模块和 RELU子模块， 所述基于所述全连接模块对所述融合检测信息进行识别分类处理， 得到所述 目标位置信息， 包括： 基于所述BN子模块对所述融合检测信息进行规范化处 理， 得到第一 位置信息； 基于所述RELU子模块对所述第一 位置信息进行修 正处理， 得到所述目标位置信息 。 6.根据权利要求1所述的图像识别方法， 其特征在于， 所述基于预训练 的无监督变换网 络模型对所述初始图像特征信息和所述目标位置信息进行变换 处理， 得到目标图像区域变 换信息， 包括：权　利　要　求　书 1/2 页 2 CN 114821614 A 2基于预训练的无监督变换网络模型对所述初始图像特征信息和所述目标位置信息进 行坐标变换处 理， 得到目标图像区域变换信息； 其中， 坐标变换算法表示如下： 其中， (x,y)表示所述目标位置信息的坐标信息， 表示所述目标图像区域变换信 息的极坐标信息， src表示所述目标位置信息的原坐标， dst表示所述目标图像区域变换信 息的目的坐标， angle表示角度， center表 示原点坐标， magnitude表示极坐标大小， e表 示自 然常数， H表 示所述目标位置信息的高度信息， W表 示所述目标位置信息的宽度信息， maxR表 示所述目标位置信息的最大半径信息 。 7.根据权利要求1所述的图像识别方法， 其特征在于， 所述识别网络模型包括提取模 块、 结合模块和转换模块， 所述提取模块、 所述结合模块和所述转换模块依 次连接， 所述基 于预训练的识别网络模型对所述目标图像区域变换信息进行识别处理， 得到目标识别信 息， 包括： 基于提取模块对所述目标图像区域变换信息进行提取处 理， 得到多个 像素识别结果； 基于结合模块对多个所述像素识别结果进行 上下文联系处 理， 得到识别矩阵； 基于转换模块对所述识别矩阵进行转换处 理， 得到所述目标识别 信息。 8.一种图像识别装置， 其特 征在于， 包括： 第一处理模块， 用于获取目标图像； 第二处理模块， 用于基于预训练的特征提取网络模型对所述目标图像进行特征提取， 得到初始图像特 征信息； 第三处理模块， 用于基于检测网络模型对所述初始图像特征信息进行检测 处理， 得到 目标位置信息； 第四处理模块， 用于基于预训练的无监督变换网络模型对所述初始图像特征信 息和所 述目标位置信息进行变换处 理， 得到目标图像区域变换信息； 第五处理模块， 用于基于预训练的识别网络模型对所述目标图像区域变换信 息进行识 别处理， 得到目标识别 信息。 9.一种电子设备， 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如权利要求1至7中任意一项 所述的图像识别方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行权利要求1至7中任意 一项所述的图像识别方法。权　利　要　求　书 2/2 页 3 CN 114821614 A 3