[发明专利]图像识别模型训练方法、装置以及计算机设备

权利要求书

1.一种图像识别模型训练方法，其特征在于，所述方法包括步骤：

获取至少一张采样图像；

将所述采样图像进行M*N分块，得到分块图像；

根据预设的Gabor滤波器组对每一分块图像进行空域卷积，获得每一分块图像对应的多个特征图像；

对每一分块图像的每个特征图像进行降采样，得到每一分块图像的每个特征图像的特征值；

将所有分块图像的所有特征值作为输入数据对预设的初始图像识别模型进行训练，得到第一图像识别模型。

2.如权利要求1所述的图像识别模型训练方法，其特征在于，所述“根据预设的Gabor滤波器组对每一分块图像进行空域卷积，获得每一分块图像对应的多个特征图像”的步骤包括：

根据预设的A尺度，B方向建立Gabor滤波器组，得到A*B滤波器组；

将所述A*B滤波器组对每一分块图像进行空域卷积，得到对应于每一分块图像的A*B个特征值图像。

3.如权利要求1或2所述的图像识别模型训练方法，其特征在于，所述“对每一分块图像的每个特征图像进行降采样，得到每一分块图像的每个特征图像的特征值”步骤包括：

根据Max-pooing方式对每一分块图像的A*B个特征值图像进行降采样，从而获得对应每个特征值图像的2*2个特征值。

4.如权利要求1-3任一项所述的图像识别模型训练方法，其特征在于，所述方法还包括步骤：

将所有采样图像作为输入数据对所述第一图像识别模型进行训练，得到最终图像识别模型。

5.一种图像识别模型训练装置，其特征在于，所述装置包括：

分割模块，用于获取至少一张采样图像，将所述采样图像进行M*N分块，得到分块图像；

卷积模块，用于根据预设的Gabor滤波器组对每一分块图像进行空域卷积，获得每一分块图像对应的多个特征图像；

降采样模块，用于对每一分块图像的每个特征图像进行降采样，得到每一分块图像的每个特征图像的特征值；

训练模块，用于将所有分块图像的所有特征值作为输入数据对预设的初始图像识别模型进行训练，得到第一图像识别模型。

6.如权利要求5所述的图像识别模型训练装置，其特征在于，所述卷积模块还用于：

根据预设的A尺度，B方向建立Gabor滤波器组，得到A*B滤波器组；

将所述A*B滤波器组对每一分块图像进行空域卷积，得到对应于每一分块图像的A*B个特征值图像。

7.如权利要求5或6所述的图像识别模型训练装置，其特征在于，所述降采样模块还用于：根据Max-pooing方式对每一分块图像的A*B个特征值图像进行降采样，从而获得对应每个特征值图像的2*2个特征值。

8.如权利要求5-7任一项所述的图像识别模型训练装置，其特征在于，

所述训练模块，还用于将所有采样图像作为输入数据对所述第一图像识别模型进行训练，得到最终图像识别模型。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-4任一项所述的图像识别模型训练方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-4中任一项所述的图像识别模型训练方法的步骤。