[发明专利]图片识别方法和装置

说明书

本申请实施例公开了图片识别方法和装置。该方法的一具体实施方式包括：从至少两个原始数据集中获取训练图片，生成训练数据集，其中，训练图片包括用于标记目标类别的标记数据，每个原始数据集包括至少两种类别的标记数据；对训练数据集进行训练，得到目标检测模型；将待识别图片输入目标检测模型，以确定待识别图片中包含目标类别的区域。该实施方式中训练数据中包括的每张训练图片均标记有目标类别的标记数据，使得目标检测模型的训练具有针对性，提高了目标检测模型检测目标的准确程度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图片识别方法和装置。

背景技术

计算机视觉作为人工智能的一个重要分支，涉及了图像处理、机器学习、模式识别、自动控制等许多领域的前沿技术。计算机视觉发展至今，已经被广泛应用在安防监控、智能交通、自动驾驶、智能机器人、工业检测以及航天航空等众多领域。

目标检测是计算机视觉领域的热门课题，长期以来都是学术界和工业界的关注热点。目前常用的目标检测方法是训练目标检测模型对图片进行目标检测，其主要是利用机器学习的方法对大量的数据进行训练得到可以在图片中进行目标检测的模型。现有技术中，获取用于模型训练的数据的方法主要有以下两种：

一、从网上下载一些公开的标记数据集，如微软的COCO数据集和PASCAL VOC数据集等，并直接利用各数据集分别训练用于目标检测的模型；

二、通过第三方工具或者第三方标注数据的公司，按照一定的标记数据的格式对现有的用于训练的图片进行人工标记数据，从而生成用于模型训练的数据集。

发明内容

本申请实施例提出了图片识别方法和装置。

第一方面，本申请实施例提供了一种图片识别方法，该方法包括：从至少两个原始数据集中获取训练图片，生成训练数据集，其中，训练图片包括用于标记目标类别的标记数据，每个原始数据集包括至少两种类别的标记数据；将训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型；将待识别图片输入目标检测模型，以确定待识别图片中包含目标类别的区域。

在一些实施例中，将训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型，包括：将ImageNet数据集作为训练样本，对预先建立的检测模型进行训练，获取目标检测模型的预训练结果；将训练数据集作为训练样本，采用深度学习算法训练预训练结果，得到目标检测模型。

在一些实施例中，从至少两个原始数据集中获取训练图片，包括：在原始数据集中检测目标类别的标记数据，并删除该原始数据集中除目标类别之外的其它类别的标记数据；根据所检测出的目标类别的标记数据，从原始数据集中获取训练图片。

在一些实施例中，根据所检测出的标记数据，从原始数据集中获取训练图片，包括：确定与所检测出的标记数据所对应的图片的地址信息；利用所确定的图片的地址信息，从原始数据集中获取训练图片。

在一些实施例中，从至少两个原始数据集中获取训练图片，生成训练数据集，还包括：从至少两个原始数据集中获取训练图片；构建格式转化脚本；利用格式转化脚本，将从至少两个原始数据集中获取的训练图片的标记数据转化为目标格式；将具有目标格式的训练图片添加至训练数据集。

第二方面，本申请实施例提供了一种图片识别装置，装置包括：获取单元，配置用于从至少两个原始数据集中获取训练图片，生成训练数据集，其中，训练图片包括用于标记目标类别的标记数据，每个原始数据集包括至少两种类别的标记数据；训练单元，配置用于将训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型；确定单元，配置用于将待识别图片输入目标检测模型，以确定待识别图片中包含目标类别的区域。