[发明专利]一种图片识别方法、装置及电子设备

权利要求书

1.一种图片识别方法，其特征在于，包括：

将待分析图片切分为多个子区域图片；

获取每个子区域图片的图像特征；

提取出每个子区域图片的图像特征中表征相应的子区域图片的属性的属性特征，所述属性特征为表征类别的属性特征；

将每个子区域图片的属性特征输入到预先建立的神经网络模型中，获取所述分析图片的分析结果；其中，所述分析结果为是否经过图片处理的结果；

其中，所述神经网络模型的生成过程包括：

获取样本图片；其中，所述样本图片包括多个原图样本和多个经过图片处理后的图片样本；

将每个样本图片切分为多个子图片；

确定每个所述子图片的属性特征；

获取初始神经网络模型；

基于每个所述子图片的属性特征，对所述初始神经网络模型中的各个神经层进行训练，得到每个所述神经层的参数；

基于每个所述神经层的参数，得到所述神经网络模型。

2.根据权利要求1所述的图片识别方法，其特征在于，当所述待分析图片的分析结果包括经过图片处理的结果时，还包括：

确定所述待分析图片对应的未经图片处理的原图。

3.根据权利要求2所述的图片识别方法，其特征在于，确定所述待分析图片对应的未经图片处理的原图，包括：

基于所述待分析图片以及预设搜索模型，从图片库中确定得到与所述待分析图片的相似度大于预设数值的中间图片、每个中间图片与所述待分析图片的相似度；

基于所述神经网络模型，确定出所述中间图片中的原图片；

根据每个原图片与所述待分析图片的相似度，确定出与所述待分析图片的相似度最大的原图片；

将确定出的相似度最大的原图片作为所述待分析图片对应的未经图片处理的原图。

4.一种图片识别装置，其特征在于，包括：

第一切分模块，用于将待分析图片切分为多个子区域图片；

第一获取模块，用于获取每个子区域图片的图像特征；

提取模块，用于提取出每个子区域图片的图像特征中表征相应的子区域图片的属性的属性特征，所述属性特征为表征类别的属性特征；

第一确定模块，用于将每个子区域图片的属性特征输入到预先建立的神经网络模型中，获取所述分析图片的分析结果；其中，所述分析结果为是否经过图片处理的结果；

第二获取模块，用于获取样本图片；其中，所述样本图片包括多个原图样本和多个经过图片处理后的图片样本；

第二切分模块，用于将每个样本图片切分为多个子图片；

第二确定模块，用于确定每个所述子图片的属性特征；

第三获取模块，用于获取初始神经网络模型；

训练模块，用于基于每个所述子图片的属性特征，对所述初始神经网络模型中的各个神经层进行训练，得到每个所述神经层的参数；

第三确定模块，用于基于每个所述神经层的参数，得到所述神经网络模型。

5.根据权利要求4所述的图片识别装置，其特征在于，还包括：

第四确定模块，用于当所述待分析图片的分析结果包括经过图片处理的结果时，确定所述待分析图片对应的未经图片处理的原图。

6.根据权利要求5所述的图片识别装置，其特征在于，所述第四确定模块包括：

第二确定子模块，用于基于所述待分析图片以及预设搜索模型，从图片库中确定得到与所述待分析图片的相似度大于预设数值的中间图片、每个中间图片与所述待分析图片的相似度；

第三确定子模块，用于基于所述神经网络模型，确定出所述中间图片中的原图片；

第四确定子模块，用于根据每个原图片与所述待分析图片的相似度，确定出与所述待分析图片的相似度最大的原图片；

第五确定子模块，用于将确定出的相似度最大的原图片作为所述待分析图片对应的未经图片处理的原图。

7.一种电子设备，其特征在于，包括：存储器和处理器；

其中，所述存储器用于存储程序；

处理器用于调用程序，其中，所述程序用于：

将待分析图片切分为多个子区域图片；

获取每个子区域图片的图像特征；

提取出每个子区域图片的图像特征中表征相应的子区域图片的属性的属性特征，所述属性特征为表征类别的属性特征；

将每个子区域图片的属性特征输入到预先建立的神经网络模型中，获取所述分析图片的分析结果；其中，所述分析结果为是否经过图片处理的结果；

其中，所述神经网络模型的生成过程包括：

获取样本图片；其中，所述样本图片包括多个原图样本和多个经过图片处理后的图片样本；

将每个样本图片切分为多个子图片；

确定每个所述子图片的属性特征；

获取初始神经网络模型；

基于每个所述子图片的属性特征，对所述初始神经网络模型中的各个神经层进行训练，得到每个所述神经层的参数；

基于每个所述神经层的参数，得到所述神经网络模型。