[发明专利]图像识别方法及装置

说明书

本发明提供了一种图像识别方法及装置，其中，该方法包括：获取待识别图像；将待识别图像输入预先训练生成的二值神经网络识别模型，对待识别图像进行识别，得到图像识别结果；所述二值神经网络识别模型为根据多个图像样本进行二值化训练生成，二值化训练的前向运算过程采用加法操作。上述技术方案提高了图像识别的效率和精度，降低了能耗，易于应用到内存很小的手持设备中，并保持原有相似的精度或更高的精度。

技术领域

本发明涉及信息处理技术领域，特别涉及一种图像识别方法及装置。

背景技术

基于神经网络(包括但不限于CNN、DNN、LSTM)的图像识别系统，往往需 要一个或多个深层次模型进行训练。每个模型往往需要多个神经网络层作为计算单 元，每个神经网络层又包括数以万计的参数。由于传统的参数通常由32位浮点作为 数据类型，对存储量大，计算(例如权重计算)的时候运算类型又多，因此计算速度 慢，不能由嵌入式设备实现。图像识别数据集(如IMAGENET数据集)往往非常大， 使用一些压缩方案压缩的比率不高，精度却下降非常大。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像识别方法，用以提高图像识别的效率和精度，降低能耗，便于应用到内存很小的手持设备中，并保持原有相似的精度或更高的精度，该 方法包括：

获取待识别图像；

将待识别图像输入预先训练生成的二值神经网络识别模型，对待识别图像进行识别，得到图像识别结果；所述二值神经网络识别模型为根据多个图像样本进行二值化 训练生成，二值化训练的前向运算过程采用加法操作。

本发明实施例还提供了一种图像识别装置，用以提高图像识别的效率和精度，降低能耗，便于应用到内存很小的手持设备中，并保持原有相似的精度或更高的精度， 该装置包括：

获取单元，用于获取待识别图像；

识别单元，用于将待识别图像输入预先训练生成的二值神经网络识别模型，对待识别图像进行识别，得到图像识别结果；所述二值神经网络识别模型为根据多个图像 样本进行二值化训练生成，二值化训练的前向运算过程采用加法操作。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行上述图像识别方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述图像识别方法的计算机程序。

本发明实施例提供的技术方案通过：获取待识别图像；将待识别图像输入预先训练生成的二值神经网络识别模型，对待识别图像进行识别，得到图像识别结果；其中， 该二值神经网络识别模型为根据多个图像样本进行二值化训练生成，二值化训练的前 向运算过程采用加法操作，实现了：

首先，与现有技术相比，在二值化训练时，前向运算过程采用加法操作，前向运 算速度提高1倍，计算功耗也大大降低；

其次，由于二值神经网络识别模型为根据多个图像样本进行二值化训练生成，该二值神经网络识别模型为二值化的网络结构，其对应的参数也是二值化参数，与传统 的32位浮点的存储方式相比较，使得参数存储所需内存大幅度下降，提高了运算的 速度和精度，进而提高了图像识别的效率和精度。因此，本发明实施例提供的技术方 案易于应用到内存很小的手持设备中，并保持原有相似的精度或更高的精度。

综上，本发明实施例提供的图像识别方案效率和精度高，降低了能耗，易于应用到内存很小的手持设备中，并保持原有相似的精度或更高的精度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是本发明实施例中图像识别方法的流程示意图；