[发明专利]一种基于相似度匹配的服务器型号识别方法、设备及介质

说明书

本说明书实施例公开了一种基于相似度匹配的服务器型号识别方法、设备及介质，方法包括：获取待识别的服务器图像，通过预先构建的特征提取模型，对待识别的服务器图像进行特征提取，得到待识别的服务器特征；将待识别的服务器特征与指定数据库中预先存储的服务器特征进行相似度匹配，确定出符合要求的服务器特征；根据符合要求的服务器特征对应的服务器型号，确定出待识别的服务器型号。通过特征提取模型对服务器图像进行特征提取，将提取的特征与数据库中的特征进行相似度匹配，得到服务器型号，在此过程中避免了对模型的二次训练，针对训练过程中未识类别的服务器图像，也可以进行识别。

技术领域

本说明书涉及人工智能技术领域，尤其涉及一种基于相似度匹配的服务器型号识别方法、设备及介质。

背景技术

在目前图像分类识别的研究中，大部分是通过神经网络模型进行分类识别，相对于传统的分类方法，目前成熟的神经网络架构可以自主的从训练样本中学习特征，提取出更高维，更抽象的特征，是一种端到端的模型。根据海量的标注样本进行模型训练可以提高识别精确度，但是由于海量数据的标注成本昂贵，若出现罕见的类别或缺少海量数据集，对模型的训练结果会产生较大影响。

随着计算机技术的发展，服务器的种类越来越多，在某些特定的场景下，需要对服务器的型号进行识别，以便于后续对服务器的使用。服务器的种类众多，且更新换代较快，在使用神经网络模型对服务器进行识别时，无法获取大量的服务器数据进行模型训练，导致很难识别训练过程中罕见的未知类服务器。

发明内容

本说明书一个或多个实施例提供了一种基于相似度匹配的服务器型号识别方法、设备及介质，用于解决如下技术问题：在使用神经网络模型对服务器进行识别时，很难识别训练过程中罕见的未知类服务器。

本说明书一个或多个实施例采用下述技术方案：

本说明书一个或多个实施例提供一种基于相似度匹配的服务器型号识别方法，所述方法包括：获取待识别的服务器图像，通过预先构建的特征提取模型，对所述待识别的服务器图像进行特征提取，得到待识别的服务器特征；将所述待识别的服务器特征与指定数据库中预先存储的服务器特征进行相似度匹配，确定出符合要求的服务器特征；根据所述符合要求的服务器特征对应的服务器型号，确定出待识别的服务器型号。

进一步地，所述通过预先构建的特征提取模型，对待识别的服务器进行特征提取之前，所述方法还包括：构建数据集，其中，所述数据集中包括多种服务器的图像信息和所述多种服务器的型号；将数据集中指定型号服务器的图像信息输入至预先构建的神经网络分类模型中，对所述神经网络模型进行训练，得到训练后的神经网络分类模型，所述神经网络模型为轻量级神经网络分类模型；将数据集中除指定型号服务器之外的其他图像信息输入至所述训练后的神经网络分类模型中，输出其他图像信息对应的服务器型号；根据输出结果与所述数据集中的服务器型号对比，若对比结果在预设误差范围内，则所述训练后的神经网络分类模型为符合要求的神经网络分类模型；根据所述符合要求的神经网络分类模型，构建特征提取模型。

进一步地，所述根据所述符合要求的神经网络分类模型，构建特征提取模型，具体包括：确定所述符合要求的神经网络分类模型的模型权重信息和架构信息；调整所述架构信息，将所述架构信息中的指定层作为所述特征提取模型的输出层，以输出图像特征；按照所述权重信息和调整后的架构信息，构建特征提取模型。

进一步地，所述将所述待识别的服务器特征与指定数据库中预先存储的服务器特征进行相似度匹配之前，所述方法还包括：构建特征提取数据集，所述特征提取数据集中包括多种服务器的图像信息和所述多种服务器的型号；将所述多种服务器的图像信息分别输入至所述特征提取模型中，输出每种服务器的服务器特征；根据所述每种服务器的服务器特征与数据集中对应的服务器型号，构建所述指定数据库，所述指定数据库包括多个服务器特征以及所述多个服务器特征对应的服务器类型。