(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 202210431971.6 (22)申请日 2022.04.22 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 陈珮娴　张梦丹　沈云航　盛柯恺　 高雨婷　李珂　孙星　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 李文静 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/40(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像识别方法、 装置、 设备、 存储介质及计算 机程序产品 (57)摘要 本申请公开了一种图像识别方法、 装置、 设 备、 存储介质及计算机程序产品， 涉及机器学习 领域。 该方法包括： 获取目标图像， 目标图像中包 括对象元素； 对目标图像进行n次特征提取， 得到 n个候选特征， 第i次特征提取是基于第i ‑1次提 取得到的第i ‑1个候选特征执行的， 0＜ i≤n； 对n 个候选特征进行聚合编码， 得到聚合特征； 对聚 合特征进行对象识别， 得到对象识别结果。 即， 对 目标图像进行n次特征提取得到的n个候选特征 进行聚合编码后， 得到单个聚合特征并对其进行 对象识别的方式， 能够提高对象识别结果的输出 效率以及准确度。 本申请可应用于车联网、 云技 术、 人工智能、 智慧交通、 地图、 出行导航以及自 动驾驶等各种场景。 权利要求书2页 说明书17页 附图7页 CN 115131634 A 2022.09.30 CN 115131634 A 1.一种图像识别方法， 其特 征在于， 所述方法包括： 获取目标图像， 所述目标图像中包括对象元素， 所述对象元素作为图像内容处于所述 目标图像中； 对所述目标图像进行n次特征提取， 得到n个候选特征， 其中， n为大于1的整数， 且第i次 特征提取是基于第i ‑1次提取得到的第i ‑1个候选特 征执行的， 0＜i≤n； 对n个候选特 征进行聚合编码， 得到聚合特 征； 对所述聚合特征进行对象识别， 得到对象识别结果， 其中， 所述对象识别结果用于指示 所述目标图像中所包含的对象元素信息， 所述对象元素信息包括对象类别和对象显示位置 中的至少一种。 2.根据权利要求1所述的方法， 其特征在于， 所述对n个候选特征进行聚合编码， 得到聚 合特征， 包括： 在聚合第k个候选特征时， 将前k ‑1个候选特征聚合得到的候选聚合特征向第k个候选 特征的特征尺寸进行采样， 得到第k ‑1个待聚合特 征， 1＜k＜n； 将第k个候选特征与所述第k ‑1个待聚合特征进行融合， 得到第k ‑1个候选聚合特征， 直 至所述n个候选特 征聚合完成， 得到所述聚合特 征。 3.根据权利要求2所述的方法， 其特征在于， 所述将第k个候选特征与所述第k ‑1个待聚 合特征进行融合， 得到第k ‑1个候选聚合特 征， 包括： 基于注意力机制对所述第k个候选特征与所述第k ‑1个待聚合特征进行加权 融合， 得到 所述第k个候选聚合特 征。 4.根据权利要求1至3任一所述的方法， 其特征在于， 所述对所述目标图像进行n次特征 提取， 得到n个候选特 征， 包括： 对所述目标图像进行n次下采样， 得到n个下采样结果作 为n个候选特征， 其中， 对第i ‑1 次下采样得到的下采样结果进行第i次下采样， 得到第i个下采样结果作为第i个候选特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述对所述目标图像进行n 次下采样， 得到 n个下采样结果作为 n个候选特 征， 包括： 对所述目标图像进行图像块分割， 得到m个图像块， m为 正整数； 对所述m个图像块分别进行n次下采样， 得到n个下采样结果作为n个候选特征， 其中， m 个图像块的第p次下采样结果组合得到第p个候选特 征， 1＜p＜n。 6.根据权利要求1至3任一所述的方法， 其特征在于， 所述对象元素信息包括所述对象 类别和所述对象显示 位置； 所述对所述聚合特 征进行对象识别， 得到对象识别结果， 包括： 对所述聚合特 征进行特征采样， 得到通用特 征； 通过注意力机制对所述 通用特征进行位置特 征采样， 得到位置特 征； 对所述通用特征进行对象识别， 得到所述对象类别； 对所述位置特征进行对象识别， 得到所述对象显示 位置。 7.根据权利要求6所述的方法， 其特征在于， 所述对象识别结果是通过对象识别模型进 行识别得到的， 所述对象识别模型 是通过如下 方式训练的： 获取样本 图像， 所述样本 图像标注有样本对象元素的参考对象类别和参考显示位置， 所述样本对象元 素是所述样本图像的显示元 素；权　利　要　求　书 1/2 页 2 CN 115131634 A 2将所述样本图像输入样本识别模型， 输出得到所述样本对象元素对应的预测对象类别 和预测显示 位置； 基于所述 参考对象类别和所述预测对象类别之间的分类差异， 确定类别损失； 基于所述 参考显示位置和所述预测显示 位置之间的位置 差异， 确定位置损失； 根据所述类别损 失和所述位置损 失， 对所述样本识别模型进行训练， 得到所述对象识 别模型。 8.一种图像识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标图像， 所述目标图像 中包括对象元素， 所述对象元素作为图像 内容处于所述目标图像中； 提取模块， 用于对所述目标图像进行n次特征提取， 得到n个候选特征， 其中， n为大于1 的整数， 且第i次特 征提取是基于第i ‑1次提取得到的第i ‑1个候选特 征执行的， 0＜i≤n； 编码模块， 用于对n个候选特 征进行聚合编码， 得到聚合特 征； 识别模块， 用于对所述聚合特征进行对象识别， 得到对象识别结果， 其中， 所述对象识 别结果用于指示所述目标图像中所包含的对象元素信息， 所述对象元素信息包括对象类别 和对象显示 位置中的至少一种。 9.一种计算机设备， 其特征在于， 所述计算机设备包括处理器和存储器， 所述存储器中 存储有至少一段程序， 所述至少一段程序由处理器加载并执行以实现如权利要求1至7任一 所述的图像识别方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质中存储有至少一段程序， 所 述至少一段程序由处 理器加载并执 行以实现如权利要求1至7任一所述的图像识别方法。 11.一种计算机程序产品， 其特征在于， 包括计算机指令， 所述计算机指令被处理器执 行时实现如权利要求1至7任一所述的图像识别方法。权　利　要　求　书 2/2 页 3 CN 115131634 A 3