[发明专利]一种图像识别系统及图像识别方法

说明书

一种图像识别系统及图像识别方法，涉及识别技术领域，用以提升现有的图像分类模型的分类准确度。该系统包括：识别模块(11)、检索模块(12)以及训练模块(13)，其中：识别模块(11)，用于采用图像分类模型对所述图像样本进行识别，得到图像样本的图像类别置信度；检索模块(12)，用于当确定该图像类别置信度小于第一预定阈值时，检索出该图像样本的相似人工识别样例，将相似人工识别样例中置信度最高的目标人工识别样例的识别结果，作为图像样本的识别结果；训练模块(13)，用于根据训练样本库中的训练样本训练图像分类模型；该训练样本包括人工识别样例和高置信度图像检索样例，该高置信度图像检索样例为检索模块检索到的人工识别样例。

技术领域

本申请涉及识别技术领域，尤其涉及一种图像识别系统及图像识别方法。

背景技术

人工智能(英文：Artificial Intelligence，简称AI)也称机器智能，是指由人工制造出来的系统所表现出来的智能。机器学习算法是目前获得人工智能的重要途径，机器学习算法通过对现有数据的分析学习出特定模型，随后对实际场景作出判断和预测。例如，以图像识别为例，在现有技术中，可以通常机器学习算法(如SVM分类算法、深度卷积网络算法等)来对已知图像类别的训练样本进行分类训练，训练出专用于识别图像的图像分类模型。

现有的图像分类模型的分类准确度取决于训练样本的数量和质量。然而，在实际应用中，获取高质量的、足够数量的训练样本往往是困难和代价巨大的。

发明内容

本申请的实施例提供一种图像识别系统及图像识别方法，用以提升现有的图像分类模型的分类准确度。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供一种图像识别系统，包括：

识别模块，用于采用图像分类模型对所述图像样本进行识别，得到所述图像样本的图像类别置信度；

检索模块，用于当确定所述识别模块得到的所述图像类别置信度小于第一预定阈值时，检索出所述图像样本的相似人工识别样例，将所述相似人工识别样例中置信度最高的目标人工识别样例的识别结果，作为所述图像样本的识别结果；

所述训练模块，用于根据所述训练样本库中的训练样本训练所述图像分类模型；其中，所述训练样本包括人工识别样例和高置信度图像检索样例；所述高置信度图像检索样例为所述检索模块检索到的人工识别样例。

第二方面，提供一种图像识别方法，包括：

采用图像分类模型对所述图像样本进行识别，得到所述图像样本的图像类别置信度；

当确定所述图像类别置信度小于第一预定阈值时，检索出所述图像样本的相似人工识别样例，将所述相似人工识别样例中置信度最高的目标人工识别样例的识别结果，作为所述图像样本的识别结果。

本申请实施例提供的方案，通过在现有的图像识别技术上引入图像检索技术，从而可以在基于图像分类模型所识别出的图像样本的图像类别置信度小于预定阈值时，采用图像检索技术直接为图像样本检索出相似人工识别样例，将相似人工识别样例中置信度最高的目标人工识别样例的识别结果作为该图像样本的识别结果，并将检索出的高置信度的图像样例存储至训练样本库中，作为训练样本，以便后续基于这些训练样本对图像分类模块进行重训练。这样通过图像识别、图像检索来积累高质量的样本，通过图像训练来对图像分类模型进行训练，使得图像识别、图像检索以及图像训练在整个图像识别系统中构成一个完整的闭环，随着得到的训练样本的不断增加，积累样本和重训练过程的不断循环，迭代地提升图像分类模型的识别能力和识别模块的识别准确度。

附图说明