[发明专利]一种通过图片的URL识别图片类别的方法及系统

说明书

本发明提供一种通过图片的URL识别图片类别的方法及系统，包括以下步骤：获取不同种类的图片并根据其种类人工进行分类；获取分类好的各类图片的URL；将各类图片的URL按照预设的长度阈值生成标准训练素材；使用标准训练素材对神经网络进行训练，根据训练结果生成训练好的神经网络；获取待分类的图片并将所述待分类的图片输入训练好的神经网络；通过所述训练好的神经网络确定待分类图片中各种图片的类别；本发明具有以下有益效果：本发明通过将待分类的图片输入训练好的神经网络，最后通过训练好的神经网络确定待分类图片中各种图片的类别，不但性能比较高，而且处理速度较块并且识别计算能力较强。

技术领域

本发明涉及图片分类技术领域，特别是涉及一种通过图片的URL识别图片类别的方法及系统。

背景技术

图片是指由图形、图像等构成的平面媒体，图片的格式很多，但总体上可以分为点阵图和矢量图两大类，图是技术制图中的基础术语，图片指用点、线、符号、文字和数字等描绘事物几何特征、形态、位置及大小的一种形式，随着数字采集技术和信号处理理论的发展，越来越多的图片以数字形式存储，目前网络上的图片越来越多，在网络广告、社区运营等等都需要对图片进行审核与分类，现有识别图片分类多使用CNN(Convolutional NeuralNetwork，卷积神经网络)等方式对图片进行识别，目前采用CNN(卷积神经网络)对图片进行分类，不过CNN(卷积神经网络)的性能比较低，一般单机每秒可以处理10个左右或者更低，处理速度较慢并且识别计算能力较差。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种通过图片的URL识别图片类别的方法及系统，用于解决现有技术中处理速度较慢并且识别计算能力较差的问题。

本发明的实施方式提供了一种通过图片的URL识别图片类别的方法，包括以下步骤：获取不同种类的图片并根据其种类人工进行分类；获取分类好的各类图片的URL；将各类图片的URL按照预设的长度阈值生成标准训练素材；使用标准训练素材对神经网络进行训练，根据训练结果生成训练好的神经网络；获取待分类的图片并将所述待分类的图片输入训练好的神经网络；通过所述训练好的神经网络确定待分类图片中各种图片的类别。

本发明的实施方式还提供了一种通过图片的URL识别图片类别的系统，包括：获取模块，用于获取不同种类的图片并根据其种类人工进行分类，获取分类好的各类图片的URL，获取待分类的图片并将所述待分类的图片输入训练好的神经网络；生成模块，用于将各类图片的URL按照预设的长度阈值生成标准训练素材，使用标准训练素材对神经网络进行训练，根据训练结果生成训练好的神经网络；确定模块，用于通过所述训练好的神经网络确定待分类图片中各种图片的类别。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的通过图片的URL识别图片类别的方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的通过图片的URL识别图片类别的方法。

本发明实施方式相对于现有技术而言，主要区别及其效果在于：通过将分类好的各类图片的URL按照预设的长度阈值生成标准训练素材，然后使用标准训练素材对神经网络进行训练，根据训练结果生成训练好的神经网络，然后再将待分类的图片输入训练好的神经网络，最后通过训练好的神经网络确定待分类图片中各种图片的类别，不但性能比较高，而且处理速度较块并且识别计算能力较强。

作为进一步改进，在所述获取不同种类的图片并根据其种类人工进行分类之后，所述获取分类好的各类图片的URL之前，包括：将所述分类好的各类图片构成数据学习样本库。