[发明专利]一种基于云平台和模型智能推荐的图像识别方法及系统

权利要求书

1.一种基于云平台和模型智能推荐的图像识别方法，其特征在于，包括：

从待识别图像集合中获取至少一张携带有标注信息的待识别图像；

根据所述至少一张携带有标注信息的待识别图像所携带的标注信息的类别以及历史数据，从云平台上的预设模型库中获取目标神经网络模型；其中，所述预设模型库中存储有多种标注信息的类别和多种神经网络模型，每一种标注信息的类别对应至少两种神经网络模型，且所述历史数据包括每种神经网络模型的使用频率；

利用所述目标神经网络模型对所述待识别图像集合中未携带标注信息的待识别图像进行识别。

2.根据权利要求1所述方法，其特征在于，在根据所述至少一张携带有标注信息的待识别图像所携带的标注信息的类别，从云平台上的预设模型库中获取目标神经网络模型之前，还包括：

在所述云平台上建立所述预设模型库。

3.根据权利要求1所述方法，其特征在于，所述根据所述至少一张携带有标注信息的待识别图像所携带的标注信息的类别以及历史数据，从云平台上的预设模型库中获取对应的目标神经网络模型，具体包括：

获取与所述至少一张携带有标注信息的待识别图像所携带的标注信息的类别对应的多种神经网络模型，并根据所述历史数据获取所述对应的多种神经网络模型中每种神经网络模型的使用频率；

将所述对应的多种神经网络模型中每种神经网络模型中使用频率最高的神经网络模型作为所述目标神经网络模型。

4.根据权利要求1所述方法，其特征在于，在利用所述目标神经网络模型对所述待识别图像集合中未携带标注信息的待识别图像进行识别之前，还包括：

获取训练数据集，利用所述训练数据集对所述目标神经网络模型进行训练得到训练好的目标神经网络模型。

5.根据权利要求4所述方法，其特征在于，所述获取训练数据集，利用所述训练数据集对所述目标神经网络模型进行训练得到训练好的目标神经网络模型，进一步包括：

将所述至少一张携带有标注信息的待识别图像作为所述训练数据集，并将每一张携带有标注信息的待识别图像作为所述神经网络模型的输入，将每一张携带有标注信息的待识别图像的标注信息作为输出，对所述目标神经网络模型进行训练得到训练好的目标神经网络模型。

6.根据权利要求4所述方法，其特征在于，所述获取训练数据集，利用所述训练数据集对所述目标神经网络模型进行训练得到训练好的目标神经网络模型，进一步包括：

根据所述至少一张携带有标注信息的待识别图像从云平台上的预设训练数据集合中选取所述训练数据集，利用所述训练数据集对所述神经网络模型进行训练得到训练好的神经网络模型。

7.根据权利要求1-6任一项所述方法，其特征在于，在利用所述目标神经网络模型对所述待识别图像集合中未携带标注信息的待识别图像进行识别之前，还包括：

对所述待识别图像集合中未携带标注信息的待识别图像进行图像预处理。

8.一种基于云平台和模型智能推荐的图像识别系统，其特征在于，包括：

标注信息图像获取模块，用于从待识别图像集合中获取至少一张携带有标注信息的待识别图像；

目标神经网络获取模块，用于根据所述至少一张携带有标注信息的待识别图像所携带的标注信息的类别以及历史数据，从云平台上的预设模型库中获取目标神经网络模型；其中，所述预设模型库中存储有多种标注信息的类别和多种神经网络模型，每一种标注信息的类别对应至少两种神经网络模型，且所述历史数据包括每种神经网络模型的使用频率；

图像识别模块，用于利用所述目标神经网络模型对所述待识别图像集合中未标注的待识别图像进行识别。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求1至7任一项所述的基于云平台和模型智能推荐的图像识别方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的基于云平台和模型智能推荐的图像识别方法。