[发明专利]图片识别方法及装置有效
| 申请号： | 201611256335.5 | 申请日： | 2016-12-30 |
| 公开（公告）号： | CN107067020B | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 彭湃;郭晓威 | 申请（专利权）人： | 腾讯科技(上海)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00 |
| 代理公司： | 11138 北京三高永信知识产权代理有限责任公司 | 代理人： | 朱雅男<国际申请>=<国际公布>=<进入 |
| 地址： | 201200上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种图片识别方法及装置，属于图像识别技术领域。所述方法包括：获取待识别图片；获取已训练的SHNN模型，SHNN由多个已训练的HNN模型聚合得到；根据已训练的SHNN模型，对待识别图片进行识别，得到待识别图片的类别概率向量，类别概率向量包括待识别图片属于每种类别的类别概率，每种类别的类别概率为多个参考类别概率向量的每一维度上的元素的平均值，多个参考类别概率向量由多个HNN模型对待识别图片识别得到；根据类别概率向量，确定待识别图片的类别。由于本发明采用已训练的SHNN模型对待识别图片进行识别，而该已训练的SHNN模型由多个已训练的HNN模型聚合得到，因此，不仅能够保证识别精度，而且大大地缩短了识别过程所消耗的时间。 | ||
| 搜索关键词： | 类别概率 向量 图片识别 图片 聚合 图像识别技术 参考 维度 消耗 保证 | ||
【主权项】：
1.一种图片识别方法，其特征在于，所述方法包括：/n获取待识别图片；/n获取已训练的浅学习哈希神经网络SHNN模型，所述SHNN由多个已训练的哈希神经网络HNN模型聚合得到；/n根据所述已训练的SHNN模型，对所述待识别图片进行识别，得到所述待识别图片的类别概率向量，所述类别概率向量包括所述待识别图片属于每种类别的类别概率，每种类别的类别概率为多个参考类别概率向量的每一维度上的元素的平均值，所述多个参考类别概率向量由所述多个HNN模型对所述待识别图片识别得到；/n根据所述类别概率向量，确定所述待识别图片的类别；/n如果所述待识别图片具有相机视锥模型FOV标签，则根据所述FOV标签，确定至少一个目标地标，所述FOV标签包括拍摄位置、拍摄方向角、可视夹角及最大可视距离；/n计算每个目标地标的捕捉概率；/n根据所述至少一个目标地标的捕捉概率，对所述待识别图片的类别概率向量进行更新。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技(上海)有限公司，未经腾讯科技(上海)有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611256335.5/，转载请声明来源钻瓜专利网。
