[发明专利]图像识别方法、装置、电子设备及存储介质在审
申请号: | 201910389435.2 | 申请日: | 2019-05-10 |
公开(公告)号: | CN110188801A | 公开(公告)日: | 2019-08-30 |
发明(设计)人: | 金玲玲 | 申请(专利权)人: | 深圳灵图慧视科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F16/51;G06F16/55;G06F16/583 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电子设备 反馈指令 图像识别 计算机可读存储介质 神经网络模型 目标图像 存储介质 输出 互动性 监听 反馈 申请 | ||
1.一种图像识别方法,包括:
输出利用第一神经网络模型识别的目标图像的第一识别结果;
监听针对所述第一识别结果的反馈指令;
当监听到所述反馈指令时,根据所述反馈指令,输出利用第二神经网络模型识别的所述目标图像的第二识别结果。
2.根据权利要求1所述的方法,其中,所述输出利用第一神经网络模型识别的目标图像的第一识别结果的步骤之前,所述方法还包括:
根据预先采集的图像数据库、所述第一神经网络模型和所述目标图像,从所述图像数据库中获取相似度值最大的第一图像,根据所述第一图像生成所述第一识别结果;以及
所述输出利用第二神经网络模型识别的所述目标图像的第二识别结果的步骤之前,所述方法还包括:
根据所述图像数据库、所述第二神经网络模型和所述目标图像,从所述图像数据库中获取相似度值最大的第二图像,根据所述第二图像生成所述第二识别结果。
3.根据权利要求2所述的方法,其中,
所述第一神经网络模型是利用第一训练图像集训练得到的,以及,所述第二神经网络模型是利用第二训练图像集训练得到的;
其中,所述第一训练图像集是基于第一规则集中的规则从所述图像数据库中选取的,以及,所述第二训练图像集是基于第二规则集中的规则从所述图像数据库中选取的。
4.根据权利要求1-3任一项所述的方法,其中,
所述第一神经网络模型是卷积神经网络模型,以及
所述第二神经网络模型是基于区域信息的卷积神经网络模型。
5.一种图像识别装置,包括:
第一输出模块,用于输出利用第一神经网络模型识别的目标图像的第一识别结果;
监听模块,用于监听针对所述第一识别结果的反馈指令;
第二输出模块,当监听到所述反馈指令时,根据所述反馈指令,输出利用第二神经网络模型识别的所述目标图像的第二识别结果。
6.根据权利要求5所述的装置,其中,还包括:
第一生成模块,用于根据预先采集的图像数据库、所述第一神经网络模型和所述目标图像,从所述图像数据库中获取相似度值最大的第一图像,根据所述第一图像生成所述第一识别结果;
第二生成模块,用于根据所述图像数据库、所述第二神经网络模型和所述目标图像,从所述图像数据库中获取相似度值最大的第二图像,根据所述第二图像生成所述第二识别结果。
7.根据权利要求6所述的方法,其中,
所述第一神经网络模型是利用第一训练图像集训练得到的,以及,所述第二神经网络模型是利用第二训练图像集训练得到的;
其中,所述第一训练图像集是基于第一规则集中的规则从所述图像数据库中选取的,以及,所述第二训练图像集是基于第二规则集中的规则从所述图像数据库中选取的。
8.根据权利要求5-7任一项所述的方法,其中,
所述第一神经网络模型是卷积神经网络模型,以及
所述第二神经网络模型是基于区域信息的卷积神经网络模型。
9.一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行指令,其中,所述可执行指令当被执行时使得所述处理器执行权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括可执行指令,当所述可执行指令被处理器执行时,实施如权利要求1-4任一项所述的方法。
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深圳灵图慧视科技有限公司,未经深圳灵图慧视科技有限公司许可,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/201910389435.2/1.html,转载请声明来源钻瓜专利网。