摘要
本发明涉及家具图像识别技术领域,具体涉及一种家具主体多目标识别方法、装置、设备和存储介质。基于预设的家具图片标注库和预设的实例分割模型对预设的卷积神经网络模型进行预训练,以得到深度卷积神经网络分割模型;基于预设的模型调优参数对深度卷积神经网络分割模型进行优化,以得到家具图像主体识别模型;获取家具图像数据集;基于家具图像主体识别模型和预设的向量数据库对家具图像数据集进行相似度检索,以得到家具主体多目标识别结果;通过融合实例分割模型优势,经预训练、调优,提升家具图像识别效率与推理速度,支持多场景应用,助力家居行业数字化转型。
技术关键词
家具主体
残差神经网络
图像主体
深度卷积神经网络
识别方法
实例分割模型
卷积神经网络模型
数据
置信度阈值
排序特征
标签特征
图像识别效率
分类特征
识别设备
支持多场景
归一化算法
模型预训练
二值化阈值