[发明专利]图片识别方法及装置

说明书

本发明公开了一种图片识别方法及装置，属于图像识别技术领域。所述方法包括：获取待识别图片；获取已训练的SHNN模型，SHNN由多个已训练的HNN模型聚合得到；根据已训练的SHNN模型，对待识别图片进行识别，得到待识别图片的类别概率向量，类别概率向量包括待识别图片属于每种类别的类别概率，每种类别的类别概率为多个参考类别概率向量的每一维度上的元素的平均值，多个参考类别概率向量由多个HNN模型对待识别图片识别得到；根据类别概率向量，确定待识别图片的类别。由于本发明采用已训练的SHNN模型对待识别图片进行识别，而该已训练的SHNN模型由多个已训练的HNN模型聚合得到，因此，不仅能够保证识别精度，而且大大地缩短了识别过程所消耗的时间。

技术领域

本发明涉及图像识别技术领域，特别涉及一种图片识别方法及装置。

背景技术

随着互联网技术的发展及搜索引擎的不断完善，用户已不满足于单一的文字检索方式，更多时候要求搜索引擎能够检索出与所输入图片相似的相似图片，而在此之前，需要搜索引擎能够识别出图片。

目前，搜索引擎主要通过训练CNN(Convolutional Neural Network，卷积神经网络)模型，并基于已训练的CNN模型对图片进行识别。具体过程为：获取待识别图片和多个已训练的CNN模型；根据每个已训练的CNN模型，提取待识别图片的特征向量，并对提取的特征向量进行处理，得到多个参考类别概率向量，每个参考类别概率向量包括待识别图片属于每种类别的参考类别概率，且每一维度上的元素表示一种参考类别概率；计算多个参考类别概率向量在同一维度上的元素的平均值，得到每种类别的类别概率；将所有类别的类别概率组成类别概率向量；根据该类别概率向量，确定待识别图片的类别。

由于需要根据多个已训练的CNN模型对待识别图片进行识别，且需要将多个参考类别概率向量每一维度上的元素进行聚合，因而整个识别过程耗时较长。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种图片识别方法及装置。所述技术方案如下：

一方面，提供了一种图片识别方法，所述方法包括：

获取待识别图片；

获取已训练的SHNN(Shallow and Hash Neural Network，浅学习哈希神经网络)模型，所述SHNN由多个已训练的HNN(Hash Neural Network，哈希神经网络)模型聚合得到；

根据所述已训练的SHNN模型，对所述待识别图片进行识别，得到所述待识别图片的类别概率向量，所述类别概率向量包括所述待识别图片属于每种类别的类别概率，每种类别的类别概率为多个参考类别概率向量的每一维度上的元素的平均值，所述多个参考类别概率向量由所述多个HNN模型对所述待识别图片识别得到；

根据所述类别概率向量，确定所述待识别图片的类别。

另一方面，提供了一种图片识别装置，所述装置包括：

第一获取模块，用于获取待识别图片；

第二获取模块，用于获取已训练的浅学习哈希神经网络SHNN模型，所述SHNN由多个已训练的哈希神经网络HNN模型聚合得到；

图片识别模块，用于根据所述已训练的SHNN模型，对所述待识别图片进行识别，得到所述待识别图片的类别概率向量，所述类别概率向量包括所述待识别图片属于每种类别的类别概率，每种类别的类别概率为多个参考类别概率向量的每一维度上的元素的平均值，所述多个参考类别概率向量由所述多个HNN模型对所述待识别图片识别得到；

类别确定模块，用于根据所述类别概率向量，确定所述待识别图片的类别。

本发明实施例提供的技术方案带来的有益效果是：