[发明专利]阶层式图像识别方法及系统

权利要求书

1.一种阶层式图像识别方法，适用于至少一电子计算装置，其特征在于，该阶层式图像识别方法包括下列步骤：

(a)根据一初步分类模型分析一图像以获得一初步分类结果；

(b)根据该初步分类结果查询一分类关联表以确认与该初步分类结果相关联的至少一细分类模型；

(c)根据该至少一细分类模型查询一层关联表以确认该至少一细分类模型分别相关联的该初步分类模型的至少一阶层信息；

(d)撷取该初步分类模型中该至少一阶层信息所分别相应的至少一初步特征描述；以及

(e)根据该至少一细分类模型及该至少一初步特征描述决定至少一细分类结果。

2.如权利要求1所述的阶层式图像识别方法，更包括下列步骤：

(f)根据各该至少一细分类结果查询该分类关联表以确认与各该至少一细分类结果相关联的至少一细分类模型；以及

(g)重复步骤(c)至步骤(f)，直到所确认的该至少一细分类模型的一数目不再改变时，输出该初步分类结果及该至少一细分类结果。

3.如权利要求2所述的阶层式图像识别方法，更包含一储存该至少一初步特征描述的步骤。

4.如权利要求3所述的阶层式图像识别方法，其中，在重复步骤(c)至步骤(f)时，若所确认的该至少一阶层信息与先前相同，则省略该步骤(d)。

5.如权利要求1所述的阶层式图像识别方法，其特征在于，该至少一电子计算装置包含该初步分类模型及多个预设细分类模型，该多个预设细分类模型包含该至少一细分类模型，该初步分类模型及该多个预设细分类模型是个别地以一深度学习方法训练而成。

6.如权利要求5所述的阶层式图像识别方法，其中，该初步分类模型及该多个预设细分类模型中的每一个为一深度卷积神经网络(Deep Convolutional Neural Network；DCNN)。

7.如权利要求5所述的阶层式图像识别方法，其中，该分类关联表是记录该初步分类模型与该多个预设细分类模型间的关联性，该初步分类模型包含多个层，各该预设细分类模型对应至该多个层其中之一，该层关联表是记录各该预设细分类模型及相对应的该层的一编号。

8.如权利要求7所述的阶层式图像识别方法，更包含下列步骤：

借由于该分类关联表记录该初步分类模型与一新增细分类模型的关联性而更新该分类关联表，其中该新增细分类模型对应至该多个层其中之一；以及

借由于该层关联表记录该新增细分类及相对应的该层的一编号而更新该层关联表。

9.如权利要求5所述的阶层式图像识别方法，更包含下列步骤：

以一微调(Fine-tune)法及一迁移学习(Transfer learning)法其中之一或其组合训练该初步分类模型而获得该多个预设细分类模型。

10.如权利要求5所述的阶层式图像识别方法，更包含下列步骤：

以该初步分类模型的一低阶层信息的一初步特征描述训练该初步分类模型而获得该多个预设细分类模型。

11.一种阶层式图像识别系统，其特征在于，包括：

一接收接口，用以接收一图像；以及

至少一处理器，电性连接至该接收接口，且执行一初步分类模块、一分类管理模块及一细分类模块；

其中，(a)该初步分类模块根据一初步分类模型分析该图像以获得一初步分类结果，(b)该分类管理模块根据该初步分类结果查询一分类关联表以确认与该初步分类结果相关联的至少一细分类模型，(c)该分类管理模块根据该至少一细分类模型查询一层关联表以确认该至少一细分类模型分别相关联的该初步分类模型的至少一阶层信息，(d)该初步分类模块撷取该初步模型中该至少一阶层信息所分别相应的至少一初步特征描述，(e)该细分类模块根据该至少一细分类模型及该至少一初步特征描述决定至少一细分类结果。