[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

说明书

本发明实施例提供了一种基于云平台和模型智能推荐的图像识别方法及系统，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；利用目标神经网络模型对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。用户在使用过程中只需上传包含携带有标注信息的待识别图像的待识别图像集合，云平台即可智能推荐对应的目标神经网络模型，完成对待识别图像的识别，简单易行，且准确率高。

技术领域

本发明实施例涉及人工智能技术领域，更具体地，涉及一种基于云平台和模型智能推荐的图像识别方法及系统。

背景技术

机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

深度学习是机器学习中一种基于对数据进行表征学习的方法，深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，其中，利用神经网络进行图像识别是近年来的热门领域。

但是由于许多深度学习算法难度较大，涉及数学与计算机科学，在将神经网络应用于图像识别时，往往需要具有较高素质的专业人员进行模型的开发设计，不利于推广应用。

发明内容

本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的基于云平台和模型智能推荐的图像识别方法及系统。

第一方面本发明实施例提供了一种基于云平台和模型智能推荐的图像识别方法，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。

另一方面本发明实施例提供了一种基于云平台和模型智能推荐的图像识别系统，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。

第三方面本发明实施例提供了包括处理器、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，以执行第一方面提供的基于云平台和模型智能推荐的图像识别方法。