[发明专利]图像识别方法、装置和系统有效

专利信息
申请号: 201610499639.8 申请日: 2016-06-29
公开(公告)号: CN107545271B 公开(公告)日: 2021-04-09
发明(设计)人: 孙佰贵;刘扬;华先胜 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张大威
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 装置 系统
【说明书】:

本申请提出一种图像识别方法、装置和系统,该方法包括:获取待识别图像;获取图像识别模型,其中,所述图像识别模型是对训练样本进行机器学习后生成的,所述训练样本包括:训练图像、训练图像的聚类标签和训练图像的二分类标签,所述训练图像的聚类标签是对训练图像进行聚类后得到的;采用所述图像识别模型,对所述待识别图像进行识别,确定所述待识别图像的二分类得分。该方法能够提高对二分类图像的识别效果。

技术领域

本申请涉及图像处理技术领域,尤其涉及一种图像识别方法、装置和系统。

背景技术

由于图像具有的美观、直观等优点,很多信息都可以采用图像形式进行展示,例如,将商品信息以图像形式展示。但是,不少商品图像会在商品主体外,带有促销类文字、广告类文字、水印、logo等非主体信息,这部分信息可以通俗称为图像上的牛皮癣,相应的包含牛皮癣的图像可以称为牛皮癣图像。由于图像上的牛皮癣会严重影响用户体验,因此需要识别出牛皮癣图像,以便后续进行图像过滤等处理。

相关技术中,通常是采用文本行检测方法识别牛皮癣图像。但是,由于图像中的牛皮癣部分的样式越来越多,甚至是logo等非文本信息,因此,采用文本行检测技术对牛皮癣图像进行识别的效果并不理想。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此,本申请的一个目的在于提出一种图像识别方法,该方法可以提高对二分类图像的识别效果。

本申请的另一个目的在于提出一种图像识别装置。

本申请的另一个目的在于提出一种图像识别系统。

为达到上述目的,本申请第一方面实施例提出的图像识别方法,包括:获取待识别图像;获取图像识别模型,其中,所述图像识别模型是对训练样本进行机器学习后生成的,所述训练样本包括:训练图像、训练图像的聚类标签和训练图像的二分类标签,所述训练图像的聚类标签是对训练图像进行聚类后得到的;采用所述图像识别模型,对所述待识别图像进行识别,确定所述待识别图像的二分类得分。

本申请第一方面实施例提出的图像识别方法,图像识别模型是通过对训练图像进行聚类,以及对训练样本进行机器学习后生成的,相对于文本行检测方式可以提高图像的二分类的识别效果。

为达到上述目的,本申请第二方面实施例提出的图像识别装置,包括:第一获取模块,用于获取待识别图像;第二获取模块,用于获取图像识别模型,其中,所述图像识别模型是对训练样本进行机器学习后生成的,所述训练样本包括:训练图像、训练图像的聚类标签和训练图像的二分类标签,所述训练图像的聚类标签是对训练图像进行聚类后得到的;识别模块,用于采用所述图像识别模型,对所述待识别图像进行识别,确定所述待识别图像的二分类得分。

本申请第二方面实施例提出的图像识别装置,图像识别模型是通过对训练图像进行聚类,以及对训练样本进行机器学习后生成的,相对于文本行检测方式可以提高图像的二分类的识别效果。

为达到上述目的,本申请第三面实施例提出的图像识别系统,所述系统包括:至少一个处理器和至少一个存储器,所述存储器用于存储可操作指令;所述处理器用于读取所述可操作指令,以执行:获取待识别图像;获取图像识别模型,其中,所述图像识别模型是对训练样本进行机器学习后生成的,所述训练样本包括:训练图像、训练图像的聚类标签和训练图像的二分类标签,所述训练图像的聚类标签是对训练图像进行聚类后得到的;采用所述图像识别模型,对所述待识别图像进行识别,确定所述待识别图像的二分类得分。

本申请第三面实施例提出的图像识别系统,图像识别模型是通过对训练图像进行聚类,以及对训练样本进行机器学习后生成的,相对于文本行检测方式可以提高图像的二分类的识别效果。

本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610499639.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top