[发明专利]基于图像识别的摩尔纹识别方法、装置、设备及介质

说明书

本发明涉及人工智能领域，提供一种基于图像识别的摩尔纹识别方法、装置、设备及介质，能够基于小波变换及模式感知记忆构建初始网络结构，并利用内卷算子优化得到第一中间网络结构，加速模型的收敛过程，并减少模型的参数，防止产生过拟合风险，并训练得到中间模型，利用预设网络层替换中间模型中的指定结构，并训练得到摩尔纹识别模型，在具有去除摩尔纹作用的模型的基础上进行学习训练，保留了模型的原有信息，使摩尔纹识别模型的识别效果更好，进而结合人工智能手段自动检测图像中是否含有摩尔纹。此外，本发明还涉及区块链技术，所述摩尔纹识别模型可存储于区块链节点中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于图像识别的摩尔纹识别方法、装置、设备及介质。

背景技术

随着人工智能技术的发展，很多领域都涉及到对图像的处理，尤其是在各种风险控制场景下，图像是否带有摩尔纹，图像是否带有雨点等情况，都会影响对于图像的识别效果，进而影响风险识别等任务的执行。因此，如何自动识别到包含摩尔纹、雨点等质量问题的图像，在人工智能领域十分重要。

现有技术中，通常采用支持向量机(support vector machines，SVM)等模型进行简单的分类，识别的准确率还有待进一步提高。

发明内容

本发明实施例提供了一种基于图像识别的摩尔纹识别方法、装置、设备及介质，旨在解决摩尔纹识别准确率不高的问题。

第一方面，本发明实施例提供了一种基于图像识别的摩尔纹识别方法，其包括：

基于小波变换及模式感知记忆构建初始网络结构；

利用内卷算子优化所述初始网络结构，得到第一中间网络结构；

获取第一图像集，并对所述第一图像集中的图像进行摩尔纹添加处理，得到第一训练集；

利用所述第一训练集训练所述第一中间网络结构，得到中间模型；

利用预设网络层替换所述中间模型中的指定结构，得到第二中间网络结构；

获取第二图像集，并对所述第二图像集中的图像进行打标签处理，得到第二训练集；

利用所述第二训练集训练所述第二中间网络结构，得到摩尔纹识别模型；

获取待识别图像，将所述待识别图像输入至所述摩尔纹识别模型，并根据所述摩尔纹识别模型的输出确定摩尔纹识别结果。

根据本发明优选实施例，所述基于小波变换及模式感知记忆构建初始网络结构包括：

构建具有模式特征感知机制的密集分支，及构建膨胀分支；

根据所述密集分支及所述膨胀分支构建配置数量的子分支，其中，每个子分支包括一个所述密集分支及一个所述膨胀分支；在每个子分支中，所述密集分支的输出与配置参数相乘，得到第一输出，并计算所述第一输出与所述膨胀分支的输出的和，得到每个子分支的输出；所述配置数量的子分支的首尾依次相连，上一个子分支的输出作为下一个子分支的输入；

构建小波变换分支及小波逆变换分支；

结合卷积操作依次连接所述小波变换分支、所述配置数量的子分支及所述小波逆变换分支，得到所述初始网络结构。

根据本发明优选实施例，在结合卷积操作依次连接所述小波变换分支、所述配置数量的子分支及所述小波逆变换分支时，所述方法还包括：

在所述初始网络结构中，将所述小波变换分支的输出确定为第一特征图；

对所述第一特征图进行卷积操作，得到第二特征图；

将所述第二特征图输入至所述配置数量的子分支，得到第二输出；