[发明专利]一种基于人工智能图像识别的特征提取方法及装置

说明书

本发明提供一种基于人工智能图像识别的特征提取方法及装置，其中，该特征提取方法包括：获取第一特征矩阵，该第一特征矩阵包括待识别图像的特征；根据预设的卷积算法对第一特征矩阵进行特征提取，得到第二特征矩阵；对第二特征矩阵进行排序重组，得到第三特征矩阵；根据卷积算法对第三特征矩阵进行特征提取，得到图像特征集合。本发明所描述的基于人工智能图像识别的特征提取方法及装置，能够在模型建立的过程中避免特征提取操作中大量且重复的工作，从而减少人工智能模型的建立工作量，进而能够提高人工智能模型建立的效率。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种基于人工智能图像识别的特征提取方法及装置。

背景技术

目前，随着人工智能的快速发展，图像识别及语音识别等技术都随着快速发展，其中，图像识别技术甚至已经可以精确识别出大多数类别的物品。然而，在实践中发现，上述的图像识别技术是基于人工智能的，也就是说目前的图像识别技术是使用人工智能模型进行识别的，因此人工模型建立的困难程度势必会影响到图像识别技术的使用情况。据目前状况看来，人工智能模型在建立的过程中通常会包括特征提取的操作，且该特征提取的操作具有大量且重复的元素调用过程，因此可以看出目前的人工智能模型在建立时的工作量较大，进而影响了人工智能模型建立的效率。

发明内容

鉴于上述问题，本发明提供了一种基于人工智能图像识别的特征提取方法及装置，能够在模型建立的过程中避免特征提取操作中大量且重复的工作，从而减少人工智能模型的建立工作量，进而提高人工智能模型建立的效率。

为了实现上述目的，本发明采用如下的技术方案：

第一方面，本发明提供了一种基于人工智能图像识别的特征提取方法，包括：

获取第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；

根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；

对所述第二特征矩阵进行排序重组，得到第三特征矩阵；

根据所述卷积算法对所述第三特征矩阵进行特征提取，得到图像特征集合。

作为一种可选的实施方式，所述根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵的步骤包括：

根据预设的卷积算法对所述第一特征矩阵进行数据偏移处理，得到偏移量集合；

根据所述偏移量集合生成偏移量矩阵；

根据所述偏移量矩阵对所述第一特征矩阵进行特征提取，得到第二特征矩阵。

作为一种可选的实施方式，所述对所述第二特征矩阵进行排序重组，得到第三特征矩阵的步骤包括：

对所述第二特征矩阵进行矩阵转置处理，得到第三特征矩阵。

作为一种可选的实施方式，所述的根据所述卷积算法对所述第三特征矩阵进行特征提取，得到图像特征集合的步骤包括：

获取所述卷积算法包括的卷积核；

对所述卷积核和所述第三特征矩阵进行矩阵相乘运算，得到图像特征集合。

作为一种可选的实施方式，所述方法还包括：

判断所述图像特征集合是否满足预设特征要求；

当所述图像特征集合未满足预设特征要求时，对所述图像特征集合进行池化处理，得到池化特征集合；

将所述池化特征集合确定为所述第一特征矩阵，并执行所述根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵的步骤。

第二方面，本发明提供了一种基于人工智能图像识别的特征提取装置，包括：