[发明专利]基于深度学习架构的图像辨识方法及系统

权利要求书

1.一种基于深度学习架构的图像辨识方法，其特征在于，所述图像辨识方法包括：

利用一影像传感器撷取一测试图像；

利用一判断引擎，根据所述影像传感器撷取所述测试图像时的至少一参数来判断所述测试图像为一高画质模式或一低画质模式；

当所述测试图像被判断为所述高画质模式时，利用一第一辨识引擎来对所述测试图像进行辨识；以及

当所述测试图像被判断为所述低画质模式时，利用一第二辨识引擎来对所述测试图像进行辨识，其中所述第一辨识引擎及所述第二辨识引擎互为并不完全相同的一学习算法引擎。

2.如权利要求1所述的图像辨识方法，其特征在于，所述图像辨识方法还包括：

分别通过对关联于所述高画质模式的一第一样本图像群组及关联于所述低画质模式的一第二样本图像群组进行训练，以获得到相应于所述第一样本图像群组的一第一特征群组及相应于所述第二样本图像群组的一第二特征群组。

3.如权利要求2所述的图像辨识方法，其特征在于，所述图像辨识方法还包括：

利用至少一编译码器来对所述第一及所述第二特征群组进行编码，并且将编码后的所述第一及所述第二特征群组分别存入至至少一存储单元中。

4.如权利要求3所述的图像辨识方法，其特征在于，其中在利用所述第一辨识引擎来对所述测试图像进行辨识的步骤中，还包括：

利用所述编译码器，自所述存储单元中来对编码后的所述第一特征群组进行译码，并且当译码后的所述第一特征群组被存取至所述第一辨识引擎时，则再利用所述第一辨识引擎来对所述测试图像进行辨识。

5.如权利要求3所述的图像辨识方法，其特征在于，其中在利用所述第二辨识引擎来对所述测试图像进行辨识的步骤中，还包括：

利用所述编译码器，自所述存储单元中对编码后的所述第二特征群组进行译码，并且当译码后的所述第二特征群组被存取至所述第二辨识引擎时，则再利用所述第二辨识引擎来对所述测试图像进行辨识。

6.如权利要求1所述的图像辨识方法，其特征在于，其中所述第一辨识引擎为一深度卷积神经网络引擎，且所述第二辨识引擎为一提升算法引擎。

7.如权利要求1所述的图像辨识方法，其特征在于，其中所述参数包括所述影像传感器于撷取得到所述测试图像时的一增益值或一曝光时间，且所述判断引擎为一情境感知器引擎。

8.一种基于深度学习架构的图像辨识系统，其特征在于，所述图像辨识系统包括：

一影像传感器，用以撷取一测试图像；

一判断引擎，根据所述影像传感器撷取所述测试图像时的至少一参数来判断所述测试图像为一高画质模式或一低画质模式；

一第一辨识引擎，当所述测试图像被判断为所述高画质模式时，所述图像辨识系统利用所述第一辨识引擎来对所述测试图像进行辨识；以及

一第二辨识引擎，当所述测试图像被判断为所述低画质模式时，所述图像辨识系统利用所述第二辨识引擎来对所述测试图像进行辨识，其中所述第一辨识引擎及所述第二辨识引擎互为并不完全相同的一学习算法引擎。

9.如权利要求8所述的图像辨识系统，其特征在于，其中所述图像辨识系统分别通过对关联于所述高画质模式的一第一样本图像群组及关联于所述低画质模式的一第二样本图像群组进行训练，以获得相应于所述第一样本图像群组的一第一特征群组及相应于所述第二样本图像群组的一第二特征群组。

10.如权利要求9所述的图像辨识系统，其特征在于，所述图像辨识系统还包括至少一编译码器，用以来对所述第一及所述第二特征群组进行编码，并且将编码后的所述第一及所述第二特征群组分别存入至至少一存储单元中。

11.如权利要求10所述的图像辨识系统，其特征在于，其中所述图像辨识系统执行以下步骤以利用所述第一辨识引擎来对所述测试图像进行辨识：

利用所述编译码器，自所述存储单元中来对编码后的所述第一特征群组进行译码，并且当译码后的所述第一特征群组被存取至所述第一辨识引擎时，则再利用所述第一辨识引擎来对所述测试图像进行辨识。