[发明专利]图像识别方法及装置、电子设备、存储介质在审

专利信息
申请号: 201910958104.6 申请日: 2019-10-10
公开(公告)号: CN110728287A 公开(公告)日: 2020-01-24
发明(设计)人: 吉利 申请(专利权)人: 深圳铂石空间科技有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06N20/00
代理公司: 11438 北京律智知识产权代理有限公司 代理人: 王辉;阚梓瑄
地址: 518048 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: 待处理图像 形态学特征 图像识别 组合特征 人工智能技术 存储介质 电子设备 匹配确定 特征描述 准确率 融合
【权利要求书】:

1.一种图像识别方法,其特征在于,包括:

获取待处理图像;

通过多个识别模型分别对所述待处理图像进行特征描述的识别处理,获取所述待处理图像对应的多个形态学特征描述;

将所述多个形态学特征描述进行融合得到组合特征描述,并对所述组合特征描述进行匹配确定所述待处理图像的识别结果。

2.根据权利要求1所述的图像识别方法,其特征在于,将所述多个形态学特征描述进行融合得到组合特征描述包括:

对所述多个形态学特征描述进行逻辑运算,以确定所述组合特征描述。

3.根据权利要求1所述的图像识别方法,其特征在于,对所述组合特征描述进行匹配确定所述待处理图像的识别结果包括:

将所述组合特征描述与图像类别对应的预设组合特征描述进行匹配,并根据匹配结果确定所述识别结果。

4.根据权利要求1所述的图像识别方法,其特征在于,所述方法还包括:

通过样本图像以及所述样本图像的标签,对多个深度学习模型进行训练,获取多个训练好的深度学习模型作为多个所述识别模型。

5.根据权利要求4所述的图像识别方法,其特征在于,通过样本图像以及所述样本图像的标签,对多个机器学习模型进行训练,获取多个训练好的深度学习模型作为多个所述识别模型包括:

结合多个形态学特征描述获取所述样本图像以及所述样本图像的标签;

根据所述样本图像以及所述样本图像的标签,分别对多个深度学习模型进行训练,得到多个所述训练好的深度学习模型作为多个所述识别模型。

6.根据权利要求5所述的图像识别方法,其特征在于,结合多个形态学特征描述获取所述样本图像以及所述样本图像的标签包括:

获取图像类别对应的预设组合特征描述,并将所述预设组合特征描述拆分为多个所述形态学特征描述;其中,所述预设组合特征描述包括至少一个形态学特征描述;

获取所述多个形态学特征描述对应的样本图像,并通过多个所述形态学特征描述分别对所述样本图像进行标注,以得到所述样本图像针对多个所述形态学特征描述的所述标签。

7.根据权利要求1所述的图像识别方法,其特征在于,所述形态学特征描述与所述识别模型一一对应。

8.一种图像识别装置,其特征在于,包括:

图像获取模块,用于获取待处理图像;

特征描述确定模块,用于通过多个识别模型分别对所述待处理图像进行特征描述的识别处理,获取所述待处理图像对应的多个形态学特征描述;

结果确定模块,用于将所述多个形态学特征描述进行融合得到组合特征描述,并对所述组合特征描述进行匹配确定所述待处理图像的识别结果。

9.一种电子设备,其特征在于,包括:

处理器;以及

存储器,用于存储所述处理器的可执行指令;

其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任意一项所述的图像识别方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述的图像识别方法。

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深圳铂石空间科技有限公司,未经深圳铂石空间科技有限公司许可,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/201910958104.6/1.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