[发明专利]图像识别方法

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取待处理的第一神经网络模型，所述第一神经网络模型中包括多个第一卷积层，每个第一卷积层中包括K×K的第一卷积核，所述K为大于1的整数；

对于每个第一卷积层中的第一卷积核，根据第一稀疏化因子，将包括C×K×K的所述第一卷积核在输入通道方向上拆分为的三阶张量和的三阶张量；其中，所述C为所述第一卷积核在所述输入通道方向的维度，且所述C为大于1的整数，所述s1为所述第一稀疏化因子；且所述s1为大于1的整数；

将所述的三阶张量进行轻量化处理，得到的三阶张量；

将所述的三阶张量和所述的三阶张量组成第二卷积核；

根据所述第一神经网络模型中的输入层和输出层和所述第二卷积核对应的第二卷积层，生成第二神经网络模型，所述第二神经网络模型中包括多个第二卷积层，每个第二卷积层中包括K×K及M×M组合的第二卷积核，所述M为小于K的正整数；

当进行图像识别时，通过所述第二神经网络模型，对待识别的目标图像进行识别。

2.根据权利要求1所述的方法，其特征在于，所述通过所述第二神经网络模型，对待识别的目标图像进行识别，包括：

将所述第二神经网络模型加载到计算机设备上，所述计算机设备用于采集所述目标图像，所述第二神经网络模型用于基于所述目标图像进行目标检测、动作识别或者目标跟踪中的一种或多种操作。

3.根据权利要求2所述的方法，其特征在于，所述将所述第二神经网络模型加载到计算机设备上之前，所述方法还包括：

获取多个样本图像；

基于所述多个样本图像，对所述第二神经网络模型进行训练，得到图像识别模型；

所述将所述第二神经网络模型加载到计算机设备上，包括：

将所述图像识别模型加载到所述计算机设备上，所述图像识别模型用于基于所述目标图像进行目标检测、动作识别或者目标跟踪中的一种或多种操作。

4.根据权利要求3所述的方法，其特征在于，所述图像识别模型还用于从所述目标图像中识别出目标对象，所述目标对象包括人脸、人体、地形、动物、车辆和材料中的至少一个。

5.根据权利要求1所述的方法，其特征在于，所述根据第一稀疏化因子，将包括C×K×K的所述第一卷积核在输入通道方向上拆分为的三阶张量和的三阶张量，包括：

将包括C×K×K×N的第一卷积核在输出通道方向上划分为多组三阶C×K×K的张量，每组C×K×K的三阶张量中包括至少一个C×K×K的三阶张量；

对于每组C×K×K的三阶张量中的每个C×K×K的三阶张量，根据所述C×K×K的三阶张量在所述输入通道方向的起始位置和所述第一稀疏化因子，将所述C×K×K的三阶张量在所述输入通道方向上拆分为的三阶张量和的三阶张量；

其中，同一组的C×K×K的三阶张量的在所述输入通道方向的起始位置相同，不同组的C×K×K的三阶张量的在所述输入通道方向的起始位置不同。

6.根据权利要求5所述的方法，其特征在于，相邻两组的C×K×K的三阶张量的的三阶张量在所述输入通道方向的结束位置为另一组的C×K×K的三阶张量的的三阶张量在所述输入通道方向的起始位置。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于每个第一卷积层中的第一卷积核，根据第二稀疏化因子，对包括K×K×N的第一卷积核在输出通道方向上进行轻量化处理，得到第二卷积核；

根据所述第一神经网络模型中的输入层和输出层和所述第二卷积核对应的第二卷积层，生成所述第二神经网络模型；

其中，所述N为所述第一卷积核在所述输出通道方向的维度，且所述N为大于1的整数。