[发明专利]一种基于神经网络深度学习的图像识别并推荐认知的方法

摘要

本发明提出了一种基于神经网络深度学习的图像识别并推荐认知的方法，从图像数据库中获取图片及分类，输入到卷积神经网络，通过反复的前向和反向传播，训练该神经网络，提高图像识别精度，提取廿层神经网络模型。利用该模型，通过静态采集图片进行物体识别分类。识别结果，结合输入者的个性化特征，分析输入者的兴趣概率。运用所构建的基于有效识别分类的素材云数据库的机器学习模型，采用推荐系统算法，把预测的内容素材推送给图像输入者供认知学习。本发明具有图像识别率高，识别种类多，内容推荐准确的优点，能应用于带有数码摄相机的电脑、手机、平板和嵌入式系统的电子产品中，让人们对眼中所见的物体进行拍摄识别，主动学习识别物体的知识。

主权项

1.一种基于神经网络深度学习的图像识别并推荐认知的方法，其特征在于，包括以下步骤：（ⅰ）廿层神经网络模型训练提取：使用多类别图像数据库中的带分类标签图像输入到廿层卷积神经网络，进行监督学习，获取逐层的代表性特征，并于第二十层输出层取得预测结果和全局损失函数值（下称前向传播）；通过softmax回归收敛分类计算损失函数关于权重和偏置参数的偏导数，并对参数进行梯度下降（下称反向传播）；用微调后的新参数进行新一轮的前向传播计算，来回不停地进行前向传播和反向传播，来训练更新参数使损失函数越来越小，使预测越来越精准，达到提高图像识别精度的效果；直到找到全局损失函数的最小值，根据整个训练集的监督学习所得的训练精度，而提取合适的廿层神经网络模型；（ⅱ）输入无标签图像到廿层神经网络模型进行深度学习聚类，提取图像代表性特征，分类图片，输出图像识别分类结果；（ⅲ）图像识别的分类输出结果，结合对图像输入者个性化特征，如位置、时间、拍摄习惯、年龄、性别等事前采集的数据库，采用决策树算法进行分析并得出图像输入者的兴趣概率；（ⅳ）调取自建的百科知识、教育题材、教学课程、问答试题、动漫、游戏、影音等素材的云数据库，根据图像识别分类结果和兴趣概率，采用基于素材云数据库内容的机器学习模型协同过滤进行计算预测的推荐系统算法，计算得出预测结果推送给图像输入者，以使该图像输入者对图像相关知识进行认知学习，具体是：针对所提取的廿层神经网络模型可有效识别的物体分类，建立相关分类物体知识的内容素材云数据库；机器学习模型利用不同图像输入者录入的相近图像、分类模型产生的兴趣概率、内容标签等特征参数通过协同过滤规则，筛选云数据库的内容素材，把相近特征的内容做初步选择；将上述的地理位置、时间、图像类别、年龄段、内容标签等个性化特征进行向量化，利用 LSTM 的长短期记忆效应搭建分布式模型；并加入图像输入者的年龄、知识内容偏好参数及偏置参数来进行推荐的去噪音编码处理；模型不断进行在线学习以及增量学习，不断优化提高推荐系统的效果及推荐效率；依据推荐系统算法计算得出的预测结果，将图像输入者可能有兴趣的知识素材推送关联链接，让图像输入者从关联链接中选择相关素材进行学习。