[发明专利]图像识别方法

说明书

本公开公开了一种图像识别方法，涉及神经网络技术领域；所述方法包括：获取待处理的第一神经网络模型，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；根据稀疏化因子，对第一神经网络模型中的第一卷积核进行轻量化处理，得到第二神经网络模型，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，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。由于第二神经网络模型为轻量化的网络模型，因此，通过第二神经网络模型，对待识别的目标图像进行识别时，能够提高识别效率。

技术领域

本公开涉及神经网络技术领域。特别涉及一种图像识别方法。

背景技术

目前，卷积神经网络已在目标检测、行为识别和人脸识别等方面得到了很好的应用。通过卷积神经网络可以训练出各种识别模型，通过不同的识别模型可以进行不同的识别操作。例如，可以通过卷积神经网络训练出图像识别模型，通过该图像识别模型，从图像中识别出目标对象。

相关技术中，由于卷积神经网络的网络规模不断增大，卷积神经网络的层数可以达到数百层，因此，训练出来的图像识别模型非常庞大，通过该图像识别模型进行目标对象的识别时的效率低。

发明内容

本公开实施例提供了一种图像识别方法，能够解决图像识别效率低的问题。

所述技术方案如下：

一方面，本公开实施例提供了一种图像识别方法，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；

根据稀疏化因子，对所述第一神经网络模型中的第一卷积核进行轻量化处理，得到第二神经网络模型，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。

在一种可能的实现方式中，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。

在另一种可能的实现方式中，所述将所述第二神经网络模型加载到计算机设备之前，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。

在另一种可能的实现方式中，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。

在另一种可能的实现方式中，所述根据稀疏化因子，对所述第一神经网络模型中的第一卷积核进行轻量化处理，得到第二神经网络模型，包括：

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，对包括C×K×K的所述第一卷积核在输入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；