[发明专利]一种基于深度学习的人工智能学习方法

说明书

本发明公开的属于人工智能技术领域，具体为一种基于深度学习的人工智能学习方法，该基于深度学习的人工智能学习方法的具体步骤如下：S1：获取视频流或者输入图片信息，以视频流或者图片信息作为识别检测的输入数据，且视频流或者图片信息内具有目标物，视频流或者图片信息输入到人工智能识别端；S2：通过深度学习的方式对输入的图片信息或者视频流进行区域定位，S3：基于深度学习识别判断，获取目标物裁剪区域后，有多尺度特征融合的思想，具有模型小，速度快，精度高等特点；加入一部分无目标物的视频流或者图片信息到训练样本集以避免网络发生误检；对图片信息或者视频流不同旋转角度，不同尺度的身份证图像遮挡判断准确度都较高。

技术领域

本发明涉及人工智能技术领域，具体为一种基于深度学习的人工智能学习方法。

背景技术

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

现有车牌照、身份证、各种卡片的识别扫描设备，常常会出现由于设备安装角度导致拍摄不当造成目标物受到物体遮挡或者图像不完整进而影响识别精度的情况。

发明内容

本发明的目的在于提供一种基于深度学习的人工智能学习方法，以解决上述背景技术中提出的现有车牌照、身份证、各种卡片的识别扫描设备，常常会出现由于设备安装角度导致拍摄不当造成目标物受到物体遮挡或者图像不完整进而影响识别精度的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的人工智能学习方法，该基于深度学习的人工智能学习方法的具体步骤如下：

S1：获取视频流或者输入图片信息，以视频流或者图片信息作为识别检测的输入数据，且视频流或者图片信息内具有目标物，视频流或者图片信息输入到人工智能识别端；

S2：通过深度学习的方式对输入的图片信息或者视频流进行区域定位，人工智能识别端使用Tiny-DSOD网络对视频流或者图片信息进行区域定位，Tiny-DSOD使用了针对Denseblock进行改进的深度可分离卷积，训练样本的准备：Tiny-DSOD网络所使用的训练样本为各种场景的目标物拍摄图片或者视频流，用水平框对样本进行标注，同时加入一部分无目标物的视频流或者图片信息到训练样本集以避免网络发生误检；

Tiny-DSOD网络训练好后，输入待检测目标物的图片信息或者视频流，Tiny-DSOD网络输出图片中目标物外接框的坐标信息，可以通过这些坐标信息对目标物区域进行裁剪；

S3：基于深度学习识别判断，获取目标物裁剪区域后，训练一个分类网络对目标物是否受到遮挡进行判断，选用MobileNet-v2作为分类模型，MobileNet-v2将深度可分离卷积应用到残差网络结构；

原始的MobileNet-v2在最后输出一个1×1000×1×1的张量并用于1000类物体的分类，将其改为1×2×1×1即可用于2分类；

训练数据的准备：用前面定位模块训练好的网络对原始目标物样本进行处理后可得到裁剪后的目标物图片，人工将受遮挡和未遮挡的样本分开，再使用旋转、模糊等多种手段对数据进行增广，以获得足够多的训练数据，将这两类数据输入到网络进行训练，模型收敛后网络即可正确判断输入目标物图片是否受到遮挡。

优选的，所述视频流、图片信息由外接图像采集设备采集并或者集成到人工智能识别端上。