[发明专利]一种图像识别方法及系统

说明书

本发明实施例提供一种图像识别方法，其中，所提供的方法包括：将目标图像输入到预设的神经网络中，获取目标图像的前N个识别结果，对每一个识别结果构建类别概率序列；对目标图像进行名词识别，获取目标图像的M个名词序列：将类别概率序列和名词序列输入预设的特征向量模型，获得N个类别概率序列的，词向量和M个名词序列的词向量；通过N个类别概率序列的类别序列词向量和M个名词序列的名词序列词向量的相似度，对目标图像的识别结果进行过滤，获取目标图像识别结果。本发明实施例提供的方法，利用图像配有的特征描述信息，来移除深度学习技术识别的候选结果里和特征描述关联度低的候选结果，可以有效提升图像识别的准确性。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种图像识别方法及系统。

背景技术

图像识别是人工智能的一个比较重要的一个领域。主要包括两个阶段：预处理和特征识别。预处理是获取图像数据和提取到图像中感兴趣特征的中间阶段，主要的过程包括图像数据格式转换和图像处理算法对图像数据进行处理，如滤波、增强、各种形态学变化等。

图像识别是为了获取图像中感兴趣特征而编制的各类算法，主要分两种模式：特征识别和模型匹配。特征识别：以目标自身的一些特征为目标对图像进行搜索并返回特征数据的一种模式，例如直线、圆、三角形等或者上述几种几何图像的组合。模型匹配：模拟人类图像识别活动的计算机程序，提出了不同的图像识别模型。图像识别自学习图像识别处理算法中，机器自学习中的非监督学习算法中，需要采用自编码或者玻尔兹曼机的方式将神经元计算后的输出，与输入对比，以确定偏差并计算梯度，并调整计算权重。现有技术方法是采用深度学习等技术，识别图像得出识别结果。

对于图像，往往有特征描述，现有识别技术，并没有利用所有的特征信息，来对图像进行完整的识别，图像识别中仅仅使用了图像的基础特征进行识别，识别准确率不高。

发明内容

本发明实施例提供一种图像识别方法及系统，用以解决现有技术中并没有利用所有的特征信息，来对图像进行完整的识别，图像识别中仅仅使用了图像的基础特征进行识别，识别准确率不高的问题。

第一方面，本发明实施例提供一种图像识别方法，包括：

将目标图像输入到预设的神经网络中，获取所述目标图像的前N个识别结果，对每一个识别结果构建类别概率序列；

对所述目标图像进行名词识别，获取所述目标图像的M个名词序列：

将所述类别概率序列和所述名词序列输入预设的特征向量模型，获得N个类别概率序列的，词向量和M个名词序列的词向量；

通过所述N个类别概率序列的类别序列词向量和所述M个名词序列的名词序列词向量的相似度，对所述目标图像的识别结果进行过滤，获取目标图像识别结果；

其中，M、N均为正整数。

第二方面，本发明实施例提供一种图像识别系统，包括：

类别概率获取模块，用于将目标图像输入到预设的神经网络中，获取所述目标图像的前N个识别结果，对每一个识别结果构建类别概率序列；

名词序列获取模块，用于对所述目标图像进行名词识别，获取所述目标图像的M个名词序列：

词向量获取模块，用于将所述类别概率序列和所述名词序列输入预设的特征向量模型，获得N个类别概率序列的词向量和M个名词序列的词向量；

过滤模块，用于通过所述N个类别概率序列的类别序列词向量和所述M个名词序列的名词序列词向量的相似度，对所述目标图像的识别结果进行过滤，获取最终的目标图像识别结果；

其中，M、N均为正整数。