本公开涉及图像识别，尤其涉及一种图像识别方法、装置、电子设备及可读存储介质。
背景技术：
1、图像识别技术是一门重要的技术，其产生目的是为了让计算机代替人类去处理大量的物理信息，随着计算机技术的发展，人类对图像识别技术的认识越来越深刻，图像识别技术现已大规模用于空间洞察系统中进行行人识别的任务，但图像识别的结果仍然存在精确度不足的情况，常规情况下，现有空间洞察系统中会通过图像识别技术来对行人进行重识别，为了提高行人重识别的精度，现有算法往往选用很重的模型，虽然对识别精度上有所提升，但大大增加了识别时间。
2、由此可见，现有技术中存在由于常规图像识别模型的结构复杂，参数量过大，计算量过多导致的图像识别处理效率低，提取的对象特征精度不高的问题。
技术实现思路
1、有鉴于此，本公开实施例提供了一种图像识别方法、装置、电子设备及可读存储介质，以解决现有技术中由于常规图像识别模型的结构复杂，参数量过大，计算量过多导致的图像识别处理效率低，提取的对象特征精度不高的问题。
2、本公开实施例的第一方面，提供了一种图像识别方法，包括：对待识别图像对应的特征矩阵进行多层卷积堆叠，得到待识别图像对应的第一降维特征矩阵；通过软注意力机制，对待识别图像对应的第一降维特征矩阵进行处理，得到待识别图像对应的第一加权特征矩阵；将待识别图像对应的第一降维特征矩阵和待识别图像对应的第一加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第二降维特征矩阵；通过软注意力机制，对待识别图像对应的第二降维特征矩阵进行处理，得到待识别图像对应的第二加权特征矩阵；将待识别图像对应的第二降维特征矩阵和待识别图像对应的第二加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第三降维特征矩阵；通过软注意力机制，对待识别图像对应的第三降维特征矩阵进行处理，得到待识别图像对应的第三加权特征矩阵；根据待识别图像对应的第三加权特征矩阵，确定待识别图像对应的特征向量；根据待识别图像对应的特征向量和预设图像对应的特征向量，确定待识别图像中的对象是否为预设图像中的目标对象。
3、本公开实施例的第二方面，提供了一种图像识别装置，包括：第一处理模块，用于对待识别图像对应的特征矩阵进行多层卷积堆叠，得到待识别图像对应的第一降维特征矩阵；第二处理模块，用于通过软注意力机制，对待识别图像对应的第一降维特征矩阵进行处理，得到待识别图像对应的第一加权特征矩阵；第三处理模块，用于将待识别图像对应的第一降维特征矩阵和待识别图像对应的第一加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第二降维特征矩阵；第四处理模块，用于通过软注意力机制，对待识别图像对应的第二降维特征矩阵进行处理，得到待识别图像对应的第二加权特征矩阵；第五处理模块，用于将待识别图像对应的第二降维特征矩阵和待识别图像对应的第二加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第三降维特征矩阵；第六处理模块，用于通过软注意力机制，对待识别图像对应的第三降维特征矩阵进行处理，得到待识别图像对应的第三加权特征矩阵；第一确定模块，用于根据待识别图像对应的第三加权特征矩阵，确定待识别图像对应的特征向量；第二确定模块，用于根据待识别图像对应的特征向量和预设图像对应的特征向量，确定待识别图像中的对象是否为预设图像中的目标对象。
4、本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
5、本公开实施例的第四方面，提供了一种可读存储介质，该可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
6、本公开实施例与现有技术相比存在的有益效果是：通过对待识别图像对应的特征矩阵进行多层卷积堆叠，用于提取待识别图像的特征信息，并降低待识别图像的维度，便于模型进行学习，得到待识别图像对应的第一降维特征矩阵；对待识别图像对应的第一降维特征矩阵进行软注意力机制处理，得到待识别图像对应的第一加权特征矩阵；将待识别图像对应的第一降维特征矩阵和待识别图像对应的第一加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第二降维特征矩阵；对待识别图像对应的第二降维特征矩阵进行软注意力机制处理，得到待识别图像对应的第二加权特征矩阵；将待识别图像对应的第二降维特征矩阵和待识别图像对应的第二加权特征矩阵相乘后进行多层卷积堆叠，得到待识别图像对应的第三降维特征矩阵；通过软注意力机制，对待识别图像对应的第三降维特征矩阵进行处理，得到待识别图像对应的第三加权特征矩阵；根据待识别图像对应的第三加权特征矩阵，确定待识别图像对应的特征向量；根据待识别图像对应的特征向量和预设图像对应的特征向量，确定待识别图像中的对象是否为预设图像中的目标对象，以此提高了特征提取的丰富度，保证了图像识别结果的准确性，降低了识别过程的运作时间，提高了识别效率。
1.一种图像识别方法，其特征在于，包括：
2.根据权利要求1所述的图像识别方法，其特征在于，所述对待识别图像对应的特征矩阵进行多层卷积堆叠，得到所述待识别图像对应的第一降维特征矩阵，包括：
3.根据权利要求1所述的图像识别方法，其特征在于，所述通过软注意力机制，对所述待识别图像对应的第一降维特征矩阵进行处理，得到所述待识别图像对应的第一加权特征矩阵，包括：
4.根据权利要求3所述的图像识别方法，其特征在于，所述根据所述待识别图像对应的第一降维特征矩阵、所述待识别图像对应的空间压缩矩阵、以及所述待识别图像对应的通道压缩矩阵，确定所述待识别图像对应的第一加权特征矩阵，包括：
5.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述待识别图像对应的特征向量和预设图像对应的特征向量，确定所述待识别图像中的对象是否为所述预设图像中的目标对象，包括：
6.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述待识别图像对应的第三加权特征矩阵，确定所述待识别图像对应的特征向量，包括：
7.根据权利要求1所述的图像识别方法，其特征在于，在所述对待识别图像对应的特征矩阵进行多层卷积堆叠，得到所述待识别图像对应的第一降维特征矩阵之前，还包括：
8.一种图像识别装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述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中任一项所述方法的步骤。
10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
