[发明专利]图像识别方法、装置和存储介质在审

专利信息
申请号: 201910870978.6 申请日: 2019-09-16
公开(公告)号: CN110674716A 公开(公告)日: 2020-01-10
发明(设计)人: 黄鹏程 申请(专利权)人: 腾讯云计算(北京)有限责任公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/04
代理公司: 44300 深圳翼盛智成知识产权事务所(普通合伙) 代理人: 汪阮磊
地址: 100190 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 分组 图像识别 子层 图像类型 分类向量 图像特征 向量 加权求和处理 训练图像集 存储介质 分组分析 特征提取 向量确定 计算量 标注
【权利要求书】:

1.一种图像识别方法,其特征在于,包括:

获取待识别图像和图像识别模型,所述图像识别模型包括全连接第一子层和全连接第二子层,所述图像识别模型由标注了图像类型和图像类型分组的训练图像集训练而成;

对所述待识别图像进行特征提取,得到所述待识别图像的图像特征;

采用所述全连接第一子层对所述图像特征进行分组分析,得到所述待识别图像的分组向量;

基于所述分组向量确定所述待识别图像的类型分组;

采用所述全连接第二子层基于所述类型分组对所述分组向量进行加权求和处理,得到所述待识别图像的分类向量;

根据所述分类向量确定所述待识别图像的图像类型。

2.如权利要求1所述的图像识别方法,其特征在于,所述全连接第一子层包括多个网络节点集合,采用所述全连接第一子层对所述图像特征进行分组分析,得到所述待识别图像的分组向量,包括:

采用多个网络节点集合对所述图像特征进行加权求和处理,得到多个分组向量;

基于所述分组向量确定所述待识别图像的类型分组,包括:

在多个分组向量中确定至少一个目标分组向量;

将所述目标分组向量对应的网络节点集合确定为目标网络节点集合;

将所述目标网络节点集合关联的类型分组确定为所述待识别图像的类型分组。

3.如权利要求2所述的图像识别方法,其特征在于,所述类型分组为与所述网络节点之间具有关联关系的类型分组,将所述目标网络节点集合关联的类型分组作为所述待识别图像的类型分组,包括:

查询所述目标网络节点关联的类型分组;

当存在所述目标网络节点关联的类型分组时,将所述类型分组作为所述待识别图像的类型分组。

4.如权利要求2所述的图像识别方法,其特征在于,在多个分组向量中确定至少一个目标分组向量,包括:

获取预设数值;

对多个分组向量进行向量大小比对,将预设数值个分组向量确定为目标分组向量。

5.如权利要求1所述的图像识别方法,其特征在于,所述获取待识别图像和图像识别模型之前,还包括:

获取预设模型、标注了图像类型和图像类型分组的训练图像集,所述预设模型包括预设全连接第一子层;

采用所述标注了图像类型和图像类型分组的训练图像集对所述预设全连接第一子层进行训练,直至收敛,得到图像识别模型。

6.如权利要求5所述的图像识别方法,其特征在于,获取预设模型、标注了图像类型和图像类型分组的训练图像集,包括:

获取标注了图像类型和图像类型分组的训练图像集、初始模型,所述初始模型包括多个网络节点;

基于所述标注了图像类型和图像类型分组的训练图像集,对所述初始模型的多个网络节点进行类型分组处理,得到预设模型。

7.如权利要求6所述的图像识别方法,其特征在于,所述标注了图像类型和图像类型分组的训练图像集包括训练图像的图像类型和图像类型分组之间的关联关系,基于所述标注了图像类型和图像类型分组的训练图像集,对所述初始模型的多个网络节点进行类型分组处理,得到预设模型,包括:

根据所述图像类型和图像类型分组之间的关联关系,对所述初始模型的多个网络节点进行分组,得到分组后的网络节点集合;

对所述分组后的网络节点集合进行合并处理,得到合并处理后网络节点集合;

根据所述图像类型和图像类型分组之间的关联关系,生成所述类型分组与合并处理后网络节点的关联关系;

基于所述合并处理后网络节点、类型分组与合并处理后网络节点的关联关系生成预设模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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腾讯云计算(北京)有限责任公司,未经腾讯云计算(北京)有限责任公司许可,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/201910870978.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top