[发明专利]一种基于深度神经网络的端到端图像识别方法

权利要求书

1.一种基于深度神经网络的端到端图像识别方法，其特征在于采用云服务器对上传的图像及打标分类数据进行基于深度神经网络模型的云端训练，且通过预训练模型对新的图像训练进行加速，完成训练后返回模型文件，并将其下载到图像识别模组，实现端到端的基于深度神经网络的图像识别，所述图像识别模组包括运算控制模块、摄像头模块和显示模块；所述摄像头模块将获取的目标图像经运算控制模块打标分类后与目标图像一起上传至云服务器；所述运算控制模块与摄像头模块和云端训练协同，依次实现目标图像的获取、训练和识别。

2.根据权利要求1所述基于深度神经网络的端到端图像识别方法，其特征在于所述深度神经网络模型由卷积层、激活层或全连接层组成，卷积层提取图像信息，并根据图像识别的复杂程度，增加或减少深度神经网络的层数，进行人为的裁剪。

3.根据权利要求1所述基于深度神经网络的端到端图像识别方法，其特征在于所述运算控制模块采用CPU、MCU或MMU运算器，以及与外界进行联络的通信器、模型下载和调试的入口。

4.根据权利要求1所述基于深度神经网络的图像识别方法，其特征在于所述图像识别模组搭载激光测距传感器和视觉模块，以方便嵌入到物体识别的场景中，其图像识别和测距结果通过显示模块进行屏幕显示，并由串口通信协议发送。

5.根据权利要求1所述基于深度神经网络的端到端图像识别方法，其特征在于所述云端训练采用知识迁移加速模型收敛，以及对模型进行定点量化的方法，使模型更流畅地运行在嵌入式端中。