[发明专利]一种图像识别方法和装置

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：

获取待识别图像；

从所述待识别图像中随机裁剪出具有预设图像大小的图像块；

将所述图像块输入预先训练好的神经网络分类模型，获取所述图像块的分类结果；所述分类结果是指所述图像块被分类到预设的一种或多种图像类型中；

根据所述分类结果确定分类置信度；所述分类置信度是指所述图像块被分类到每种图像类型中的概率；

根据所述分类置信度确定是否将当前分类结果作为对应的待识别图像的最终图像识别结果；其中，当不能将当前分类结果作为最终图像识别结果时，以迭代计算的形式，根据所述特征图和预先建立并训练好的定位策略网络重新获得下一个图像块，并根据所述下一个图像块获取下一个分类置信度，直至根据获得的分类置信度确定出将当前分类结果作为对应的待识别图像的最终图像识别结果。

2.根据权利要求1所述的图像识别方法，其特征在于，所述神经网络分类模型包括：特征提取网络和全连接层；

所述将所述图像块输入预先训练好的神经网络分类模型，获取所述图像块的分类结果包括：

将所述图像块输入预先建立并训练好的特征提取网络中，获取特征图，并将所述特征图输入预先建立并训练好的全连接层，获取所述图像块的分类结果。

3.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述分类置信度确定是否将当前分类结果作为对应的待识别图像的最终图像识别结果包括：

当所述分类置信度大于或等于预设阈值时，确定将当前分类结果作为所述待识别图像的最终图像识别结果；

当所述分类置信度小于所述预设阈值时，确定不能将当前分类结果作为所述待识别图像的最终图像识别结果。

4.根据权利要求2所述的图像识别方法，其特征在于，所述以迭代计算的形式，根据所述特征图和预先建立并训练好的定位策略网络重新获得下一个图像块，并根据所述下一个图像块获取下一个分类置信度，直至根据获得的分类置信度确定出将当前分类结果作为对应的待识别图像的最终图像识别结果包括：

41、将上一次获取的特征图输入预先建立的定位策略网络，获取下一步需要裁剪的图像块位置归一化坐标；根据所述图像块位置归一化坐标剪裁下一个图像块；

42、将所述图像块输入预先建立并训练好的特征提取网络中，获取特征图，并将所述特征图输入预先建立并训练好的全连接层，获取所述图像块的分类结果；根据所述分类结果确定分类置信度；

43、根据所述分类置信度确定是否将当前分类结果作为最终图像识别结果；是，进入步骤44；否，返回步骤41；

44、输出当前分类结果。

5.根据权利要求2或4所述的图像识别方法，其特征在于，

所述特征提取网络包括：多个按照残差神经网络ResNet规则或紧密连接的神经网络DenseNet规则排列的函数层；和/或，

所述定位策略网络包括：多个卷积层和一个全连接层，所述卷积层和所述全连接层顺序排列。

6.根据权利要求5所述的图像识别方法，其特征在于，所述方法还包括：根据下述第一计算式对所述特征提取网络的参数Θ_g和所述全连接层的参数Θ_m进行训练：

其中，log[·]表示对数函数，表示求得函数值最小时对应的Θ_g、Θ_m的值，g(x_i，Θ_g)表示将任意的第i个图像x_i输入参数为Θ_g的特征提取网络g(x，Θ_g)所得的特征图，表示图像x_i对应的分类结果m(g(x_i，Θ_g)，Θ_m)中的第y_i个元素，y_i为图像x_i中定义的类别标签；表示最终得到的优化后参数；i为正整数。