【技術實現步驟摘要】
本公開的示例實施例總體涉及計算機，并且更具體地，涉及一種用于圖像識別的方法、裝置、設備和存儲介質。
技術介紹
1、傳送帶在企業物流中至關重要，它提升了運輸自動化和管理效率。然而，包裹擁堵成為影響傳送帶有效運轉的常見問題，可能導致包裹損壞和生產率下降。傳統的擁堵檢測方法準確度較低，特別是在包裹密集場景下。
技術實現思路
1、在本公開的第一方面，提供了一種用于圖像識別的方法。該方法包括：利用第一機器學習模型，確定輸入圖像中與待識別的識別對象有關的識別區域，其中識別區域在輸入圖像中所圍成的區域不超出識別對象的邊在輸入圖像中所圍成的區域；以及至少基于識別區域中的內容，識別輸入圖像中的識別對象是否為目標物。
2、在本公開的第二方面，提供了一種用于圖像識別的裝置。該裝置包括：識別區域確定模塊，被配置為利用第一機器學習模型，確定輸入圖像中與待識別的識別對象有關的識別區域，其中識別區域在輸入圖像中所圍成的區域不超出識別對象的邊在輸入圖像中所圍成的區域；以及目標物識別模塊，被配置為至少基于識別區域中的內容，識別輸入圖像中的識別對象是否為目標物。
3、在本公開的第三方面，提供了一種電子設備。該設備包括至少一個處理單元；以及至少一個存儲器，至少一個存儲器被耦合到至少一個處理單元并且存儲用于由至少一個處理單元執行的指令。指令在由至少一個處理單元執行時使設備執行第一方面的方法。
4、在本公開的第四方面，提供了一種計算機可讀存儲介質。該計算機可讀存儲介質上存儲有計算機程序，
5、在本公開的第五方面，提供了一種計算機程序產品。該計算機程序產品包括計算機可執行指令，這些指令在被處理器執行時，實現根據本公開的第一方面的方法。
6、應當理解，本內容部分中所描述的內容并非旨在限定本公開的實施例的關鍵特征或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的描述而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種用于圖像識別的方法，包括：
2.根據權利要求1所述的方法，其中利用第一機器學習模型，確定輸入圖像中與待識別的識別對象有關的識別區域，包括：
3.根據權利要求2所述的方法，其中所述內接圖形包括所述識別對象的最大內接圖形，并且與所述識別對象有關的所述識別區域與所述最大內接圖形重合。
4.根據權利要求1所述的方法，還包括：
5.根據權利要求4所述的方法，其中至少基于所述識別區域中的內容，識別所述識別對象是否為目標物，包括：
6.根據權利要求1所述的方法，其中所述第一機器學習模型包括依次連接的多層神經網絡，至少一層神經網絡包括至少一層卷積層、至少一層池化層和至少一層歸一化層。
7.根據權利要求1所述的方法，其中與所述第一機器學習模型針對所述識別區域的識別有關的模型參數是至少基于一組訓練圖像樣本被標注的第一指示框而被訓練的；并且
8.根據權利要求7所述的方法，其中所述一組訓練圖像樣本中的所述第一指示框是利用第二機器學習模型基于一組原始圖像樣本被標注的第二指示框而被標注的；并且
9.根據權
10.根據權利要求9所述的方法，其中在所述第一訓練圖像樣本和所述第二訓練圖像樣本中，均呈現有用于傳送所述訓練識別對象的傳送機構；并且
11.一種用于圖像識別的裝置，包括：
12.一種電子設備，包括：
13.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序可由處理器執行以實現根據權利要求1至10任一項所述的方法。
14.一種計算機程序產品，包括計算機可執行指令，其中所述計算機可執行指令在被處理器執行時實現根據權利要求1至10中任一項所述的方法。
...【技術特征摘要】
1.一種用于圖像識別的方法，包括：
2.根據權利要求1所述的方法，其中利用第一機器學習模型，確定輸入圖像中與待識別的識別對象有關的識別區域，包括：
3.根據權利要求2所述的方法，其中所述內接圖形包括所述識別對象的最大內接圖形，并且與所述識別對象有關的所述識別區域與所述最大內接圖形重合。
4.根據權利要求1所述的方法，還包括：
5.根據權利要求4所述的方法，其中至少基于所述識別區域中的內容，識別所述識別對象是否為目標物，包括：
6.根據權利要求1所述的方法，其中所述第一機器學習模型包括依次連接的多層神經網絡，至少一層神經網絡包括至少一層卷積層、至少一層池化層和至少一層歸一化層。
7.根據權利要求1所述的方法，其中與所述第一機器學習模型針對所述識別區域的識別有關的模型參數是至少基于一組訓練圖像樣本被標注的第一指示框而被訓練的；并且
8.根...
【專利技術屬性】
技術研發人員：劉鯤，
申請(專利權)人：北京京東遠升科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。