[发明专利]图像识别、工人安全帽佩戴识别方法、装置及可读介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入到图像识别模型，得到识别结果；其中，所述图像识别模型的激活函数为线性函数，并且所述线性函数包括多个可调节的权重系数。

2.根据权利要求1所述的图像识别方法，其特征在于，还包括：

基于YOLO算法建立机器学习模型，所述机器学习模型包括卷积层；

将所述机器学习模型中的卷积层替换为挤压激励块；

利用历史图像训练替换挤压激励块之后的机器学习模型，得到所述图像识别模型。

3.根据权利要求2所述的图像识别方法，其特征在于，还包括：

在利用历史图像训练所述机器学习模型的过程中，对所述挤压激励块形成的卷积通道进行剪枝处理。

4.根据权利要求2所述的图像识别方法，其特征在于，还包括：

获取训练结束后的所述图像识别模型中的权重矩阵；

对所述权重矩阵中的所有原始权重进行量化归并处理，得到设定比特位的更新权重；其中所述更新权重的字节长度小于所述原始权重的字节长度。

5.根据权利要求4所述的图像识别方法，其特征在于，所述对所述权重矩阵中的所有原始权重进行量化归并处理，得到设定比特位的更新权重，包括：

对所有原始权重以及所有原始权重的作差绝对值进行对数运算，得到对数结果；

选取所述对数结果中的设定比特位数的整数，并作为所述更新权重。

6.根据权利要求5所述的图像识别方法，其特征在于，所述设定比特位数为八位。

7.根据权利要求5所述的图像识别方法，其特征在于，所述将所述机器学习模型中的卷积层替换为挤压激励块，包括：

采用可变量化内核替换所述卷积层；

对所述可变量化内核进行分布式移位操作。

8.一种工人安全帽佩戴识别方法，其特征在于，包括：

获取待识别的工人安全帽佩戴图像；

将所述工人安全帽佩戴图像输入到图像识别模型，得到工人安全帽佩戴结果；其中，所述图像识别模型的激活函数为线性函数，并且所述线性函数包括多个可调节的权重系数。

9.一种图像识别装置，其特征在于，包括：

获取模块，获取待识别图像；

识别模块，将所述待识别图像输入到图像识别模型，得到识别结果；其中，所述图像识别模型的激活函数为线性函数，并且所述线性函数包括多个可调节的权重系数。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述的方法的步骤。