要素识别系统、方法、电子设备及存储介质与流程

本申请涉及数据处理，尤其涉及要素识别系统、方法、电子设备及存储介质。

背景技术：

1、随着信息技术的发展，图像识别技术能够应用至多个领域，例如，计算机视觉、机器学习和人工智能等智能领域。

2、目前，在机器学习领域中，常用的算法包括svm(support vector machine，支持向量机)、lightgbt(light gradient boosting machine，轻量级梯度提升机)和随机森林等算法，这些算法识别图像时，通常将图像的像素特征视为独立的特征，因此无法充分学习特征之间的相关性，导致难以完成针对高精地图图像的识别任务。

3、对此，在计算机视觉领域中，诸如facenet(人脸识别算法)、mobilenet(轻量化深度神经网络)和transformer(自注意力网络)等基于图像数据训练的深度学习算法虽然可以更好地学习特征之间的相关性，但是由于相关的深度学习算法存在网络中间层提取特征不充分以及收敛速度较慢的问题，导致这些算法识别高精地图图像的效果较差。

技术实现思路

1、本申请提供一种要素识别系统、方法、电子设备及存储介质，以解决或者部分解决相关技术中，高精地图的图像识别效率和精准度低下的问题。

2、本申请第一方面提供一种要素识别系统，要素识别系统至少包括输入模块、卷积模块、多项式处理模块、池化模块以及输出模块；其中，

3、所述输入模块，用于接收至少一张图像，并对所述图像进行图像预处理，获得待识别图像；

4、所述卷积模块，用于对所述待识别图像进行卷积操作，获得与所述待识别图像对应的第一图像识别结果，并将所述第一图像识别结果输入至所述多项式处理模块；

5、所述多项式处理模块，用于对所述第一图像识别结果进行多项式分解，获得第二图像识别结果；

6、所述池化模块，用于将所述第一图像识别结果和所述第二图像识别结果进行特征融合，生成要素识别结果，并将所述要素识别结果发送至所述输出模块。

7、在一种可选的示例中，所述卷积模块包括n层卷积层，n为大于1的正整数；

8、每一层卷积层的输出与所述多项式处理模块的输入连接，且前一层卷积层的输出与后一层卷积层的输入连接。

9、在一种可选的示例中，所述卷积模块，用于利用每一层卷积层对所述待识别图像进行所述卷积操作，逐层提取所述待识别图像的特征，生成卷积特征图，直至第n层卷积层完成所述卷积操作，将所述n层卷积层输出的一组卷积特征图作为所述第一图像识别结果。

10、在一种可选的示例中，所述多项式处理模块包括多项式函数；

11、所述多项式处理模块，用于将所述第一图像识别结果的通道数量调整为单通道，生成单通道特征图；

12、采用所述多项式函数对所述单通道特征图进行多项式分解，获得所述第二图像识别结果；其中，所述第二图像识别结果用于表征所述单通道特征图的像素特征以及各个像素点之间的关系。

13、在一种可选的示例中，所述多项式模式包括预设卷积核；

14、所述多项式处理模块，用于采用所述预设卷积核对所述第一图像识别结果进行逐点卷积操作，以将所述第一图像识别结果的通道数量合并为单通道。

15、在一种可选的示例中，所述单通道特征图包括若干个像素点；

16、所述多项式处理模块，用于将所述像素点的值代入至所述多项式函数中，获得与所述单通道特征图对应的特征矩阵；对所述特征矩阵进行分解处理和归一化处理，生成所述第二图像识别结果。

17、在一种可选的示例中，所述池化模块携带空洞空间金字塔池化；

18、所述池化模块，用于通过所述空洞空间金字塔池化对所述第一图像识别结果和所述第二图像识别结果进行语义分析，获得针对所述待识别图像的预测标签，将所述预测标签作为所述要素识别结果。

19、本申请第二方面提供一种要素识别方法，应用于要素识别系统，所述方法包括：

20、接收至少一张图像，并对所述图像进行图像预处理，获得待识别图像；

21、对所述待识别图像进行卷积操作，获得与所述待识别图像对应的第一图像识别结果；

22、对所述第一图像识别结果进行多项式分解，获得第二图像识别结果；

23、将所述第一图像识别结果和所述第二图像识别结果进行特征融合，生成要素识别结果。

24、本申请第三方面提供一种电子设备，包括：

25、处理器；以及

26、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

27、本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

28、本申请提供的技术方案可以包括以下有益效果：

29、在本申请实施例中，要素识别系统至少包括输入模块、卷积模块、多项式处理模块、池化模块以及输出模块；其中，输入模块，用于接收至少一张图像，并对图像进行图像预处理，获得待识别图像；卷积模块，用于对待识别图像进行卷积操作，获得与待识别图像对应的第一图像识别结果，并将第一图像识别结果输入至多项式处理模块；多项式处理模块，用于对第一图像识别结果进行多项式分解，获得第二图像识别结果；池化模块，用于将第一图像识别结果和第二图像识别结果进行特征融合，生成要素识别结果，并将要素识别结果发送至输出模块。本申请的技术方案相比于相关技术而言，通过卷积模块的卷积操作提取图像的空间特征，并且利用多项式处理模块对待识别图像进行多项式分解，捕获图像中的非线性信息，通过将这两种不同层次的信息进行融合，实现精准地识别用于高精地图制作和识别的要素，提高高精地图制作和识别的效果。

30、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种要素识别系统，其特征在于，要素识别系统至少包括输入模块、卷积模块、多项式处理模块、池化模块以及输出模块；其中，

2.根据权利要求1所述的系统，其特征在于，

3.根据权利要求2所述的系统，其特征在于，

4.根据权利要求1所述的系统，其特征在于，

5.根据权利要求4所述的系统，其特征在于，

6.根据权利要求4所述的系统，其特征在于，

7.根据权利要求1所述的系统，其特征在于，所述池化模块携带空洞空间金字塔池化；

8.一种要素识别方法，其特征在于，应用于要素识别系统，所述方法包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求8中所述的方法。

技术总结
本申请涉及一种要素识别系统、方法、电子设备及存储介质。该系统至少包括：输入模块，用于接收至少一张图像，并对图像进行图像预处理，获得待识别图像；卷积模块，用于对待识别图像进行卷积操作，获得与待识别图像对应的第一图像识别结果，并将第一图像识别结果输入至多项式处理模块；多项式处理模块，用于对第一图像识别结果进行多项式分解，获得第二图像识别结果；池化模块，用于将第一图像识别结果和第二图像识别结果进行特征融合，生成要素识别结果，并将要素识别结果发送至输出模块。本申请提供的方案，能够精准地识别用于高精地图制作和识别的要素，提高高精地图制作和识别的效果。

技术研发人员：李宁,贾双成,万如
受保护的技术使用者：智道网联科技（北京）有限公司
技术研发日：
技术公布日：2024/9/23