[发明专利]一种图像识别方法及装置在审

专利信息
申请号: 201910236896.6 申请日: 2019-03-27
公开(公告)号: CN109977969A 公开(公告)日: 2019-07-05
发明(设计)人: 李世明 申请(专利权)人: 北京经纬恒润科技有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 王宝筠
地址: 100101 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 空间序列 区域图像 图像内容 图像识别 序列特征 机器学习模型 图像内容识别 目标图像 特征表示 特征输入 特征训练 图像片段 运算量 构建 样本
【权利要求书】:

1.一种图像识别方法,其特征在于,包括:

从目标图像中提取待识别区域图像;

获取所述待识别区域图像的空间序列特征;其中,所述空间序列特征表示所述待识别区域图像的各个图像片段的特征;

将所述空间序列特征输入预先构建的序列特征识别模型,识别得到所述待识别区域图像的图像内容;其中,所述序列特征识别模型至少通过识别空间序列特征训练样本的图像内容训练得到。

2.根据权利要求1所述的方法,其特征在于,所述获取所述待识别区域图像的空间序列特征,包括:

将所述待识别区域图像输入预先构建的序列特征提取模型,得到所述待识别区域图像的空间序列特征;其中,所述序列特征提取模型至少通过提取训练样本图像的空间序列特征训练得到。

3.根据权利要求2所述的方法,其特征在于,对所述序列特征提取模型和所述序列特征识别模型的训练过程,包括:

重复执行以下操作,直到计算得到的模型损失不大于设定的模型损失阈值:

将训练样本图像输入预设的序列特征提取模型,得到所述训练样本图像的空间序列特征;

将所述空间序列特征输入预设的序列特征识别模型,得到所述训练样本图像的图像内容识别结果;

根据所述图像内容识别结果以及所述训练样本图像的图像内容,计算得到模型损失;

当所述模型损失大于设定的模型损失阈值时,根据所述模型损失对所述序列特征提取模型和所述序列特征识别模型的参数进行调整。

4.根据权利要求1所述的方法,其特征在于,所述待识别区域图像的图像内容包括所述待识别区域图像的图像内容向量;

所述方法还包括:

对识别得到的图像内容进行解码处理,得到图像内容描述信息。

5.根据权利要求1所述的方法,其特征在于,在从目标图像中提取待识别区域图像后,所述方法还包括:

对所述待识别区域图像进行旋转和/或缩放处理。

6.一种图像识别装置,其特征在于,包括:

图像提取单元,用于从目标图像中提取待识别区域图像;

特征提取单元,用于获取所述待识别区域图像的空间序列特征;其中,所述空间序列特征表示所述待识别区域图像的各个图像片段的特征;

特征识别单元,用于将所述空间序列特征输入预先构建的序列特征识别模型,识别得到所述待识别区域图像的图像内容;其中,所述序列特征识别模型至少通过识别空间序列特征训练样本的图像内容训练得到。

7.根据权利要求6所述的装置,其特征在于,所述特征提取单元获取所述待识别区域图像的空间序列特征时,具体用于:

将所述待识别区域图像输入预先构建的序列特征提取模型,得到所述待识别区域图像的空间序列特征;其中,所述序列特征提取模型至少通过提取训练样本图像的空间序列特征训练得到。

8.根据权利要求7所述的装置,其特征在于,对所述序列特征提取模型和所述序列特征识别模型的训练过程,包括:

重复执行以下操作,直到计算得到的模型损失不大于设定的模型损失阈值:

将训练样本图像输入预设的序列特征提取模型,得到所述训练样本图像的空间序列特征;

将所述空间序列特征输入预设的序列特征识别模型,得到所述训练样本图像的图像内容识别结果;

根据所述图像内容识别结果以及所述训练样本图像的图像内容,计算得到模型损失;

当所述模型损失大于设定的模型损失阈值时,根据所述模型损失对所述序列特征提取模型和所述序列特征识别模型的参数进行调整。

9.根据权利要求6所述的装置,其特征在于,所述待识别区域图像的图像内容包括所述待识别区域图像的图像内容向量;

所述装置还包括:

解码处理单元,用于对识别得到的图像内容进行解码处理,得到图像内容描述信息。

10.根据权利要求6所述的装置,其特征在于,所述装置还包括:

图像预处理单元,用于对所述待识别区域图像进行旋转和/或缩放处理。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京经纬恒润科技有限公司,未经北京经纬恒润科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910236896.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top