[发明专利]图像识别方法及装置

说明书

本发明提出一种图像识别方法及装置，其中方法包括：通过获取待识别的图像；将所述待识别的图像输入多个预设的深度残差网络，得到多个识别结果；识别结果为图像中存在目标对象的概率；深度残差网络对应的训练数据中，正样本与负样本的数量一致；根据所述多个识别结果，确定所述待识别的图像中是否存在所述目标对象。由此，相比采用单个模型进行识别，通过多个预设的深度残差网络分别对待识别的图像进行识别，弥补单个模型因欠采样可能出现的识别错误问题，识别准确度更高。此外，深度残差网络是更深层次的神经网络，相比于诸如CNN、深层的卷积神经网络AlexNet等深层网络和非深度学习的方法，能够学习到更多与图片标签相关的特征，分类性能提升明显。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种图像识别方法及装置。

背景技术

目前，图像识别算法主要包括：非深度学习的图像识别算法例如SVM(支持向量机，Support Vector Machine)等，以及深度学习的图像识别算法例如CNN(卷积神经网络，Convolutional Neural Networks)、深层的卷积神经网络AlexNet等。其中，非深度学习的算法需要人为构造滤波器或者特征等，费时费力，效果差。诸如CNN、深层的卷积神经网络AlexNet等深度学习的算法，深度较浅时难以很好的学习图像特征；深度较深时优化困难，准确度容易出现饱和，甚至下降。

因此，如何更好地进行图像识别成为亟待解决的技术问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种图像识别方法，用于解决现有技术中循环神经网络模型计算时间长，并行计算效率低下的问题。

本发明的第二个目的在于提出一种图像识别装置。

本发明的第三个目的在于提出另一种图像识别装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种图像识别方法，包括：

获取待识别的图像；

将所述待识别的图像输入多个预设的深度残差网络，得到多个识别结果；所述识别结果为，所述待识别的图像中存在目标对象的概率；所述深度残差网络对应的训练数据中，正样本的数量和负样本的数量一致；所述正样本为存在所述目标对象的样本图像；所述负样本为未存在所述目标对象的样本图像；

根据所述多个识别结果，确定所述待识别的图像中是否存在所述目标对象。

进一步地，所述将所述待识别的图像输入多个预设的深度残差网络，得到多个识别结果之前，还包括：

获取初始的深度残差网络；所述初始的深度残差网络的全连接输出层神经元个数为1，且激活函数为sigmod函数；

获取样本数据；所述样本数据包括：正样本集合和负样本集合；

按照所述正样本集合中的正样本数量，对所述负样本集合进行欠采样，得到多个负样本子集合；所述负样本子集合中负样本数量与所述正样本数量一致；

根据所述正样本集合和所述多个负样本子集合，确定多个训练数据，采用所述多个训练数据分别对所述初始的深度残差网络进行训练，得到多个预设的深度残差网络。

进一步地，所述负样本子集合的数量，根据所述正样本集合中正样本数量以及所述负样本集合中负样本数量确定；

所述预设的深度残差网络的数量与所述负样本子集合的数量一致。