[发明专利]一种基于深度神经网络模型的图像识别方法、装置及设备有效
| 申请号： | 201910004752.8 | 申请日： | 2019-01-03 |
| 公开（公告）号： | CN109344921B | 公开（公告）日： | 2019-04-23 |
| 发明（设计）人： | 谭明奎;吴希贤 | 申请（专利权）人： | 湖南极点智能科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 410000 湖南省长沙市*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络模型的图像识别方法，该方法包括：获取待识别的目标图像；将目标图像输入至利用通道的表征能力对深度神经网络模型进行通道剪枝后获得的目标模型中；利用目标模型中的辅助分类器对目标图像进行分类处理，获得识别结果。由于识别目标图像的目标模型是基于通道的表征能力进行剪枝后的模型，因而，对目标图像进行识别时的计算量可大幅度降低。本发明还公开了一种基于深度神经网络模型的图像识别装置、设备及可读存储介质，具有相应的技术效果。 | ||
| 搜索关键词： | 目标图像 神经网络模型 目标模型 表征能力 图像识别 剪枝 可读存储介质 图像识别装置 装置及设备 分类处理 技术效果 分类器 计算量 | ||
【主权项】：
1.一种基于深度神经网络模型的图像识别方法，其特征在于，包括：获取待识别的目标图像；将所述目标图像输入至利用通道的表征能力对深度神经网络模型进行通道剪枝后获得的目标模型中；利用所述目标模型中的辅助分类器对所述目标图像进行分类处理，获得识别结果；其中，获得所述目标模型的过程，包括：在所述深度神经网络模型中插入批量归一化层、线性整流层、平均池化层构建辅助分类器；在所述深度神经网络模型中插入辅助损失函数，并与所述深度神经网络模型的重构损失函数构成目标损失函数；利用所述目标损失函数结合通道的表征能力，对所述辅助分类器进行训练，获得目标模型。
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湖南极点智能科技有限公司，未经湖南极点智能科技有限公司许可，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/201910004752.8/，转载请声明来源钻瓜专利网。
