[发明专利]图片识别方法及装置

权利要求书

1.一种图片识别方法，其特征在于，包括：

获取待识别图片，所述待识别图片包括目标产品；

提取所述待识别图片包括的所述目标产品的特征，并根据所述目标产品的特征确定所述目标产品的类别；

在所述待识别图片中对所述目标产品进行定位，并在所述目标产品所在的位置生成目标边框；

关联显示所述目标边框和所述目标产品的类别。

2.根据权利要求1所述的图片识别方法，其特征在于，所述目标产品的类别包括家居模型和家居贴图。

3.根据权利要求1所述的图片识别方法，其特征在于，所述提取所述待识别图片包括的所述目标产品的特征，并根据所述目标产品的特征确定所述目标产品的类别包括：

采用预先训练的基于卷积神经网络的识别模型，提取所述目标产品的低频特征；

采用预先训练的基于卷积神经网络的识别模型，通过跳级连接的方式，提取所述目标产品的高频细节特征；

基于所述预先训练的基于卷积神经网络的识别模型，确定所述目标产品的低频特征和所述目标产品的高频细节特征对应的所述目标产品的类别。

4.根据权利要求3所述的图片识别方法，其特征在于，还包括：

确定训练样本，每个训练样本包括一个训练图片和所述训练图片包括的训练产品的第一类别以及第一边框；

根据所述训练样本训练所述基于卷积神经网络的识别模型；

其中，所述基于卷积神经网络的识别模型包括特征提取运算、分类运算以及定位运算；所述特征提取运算用于提取训练产品的低频特征和高频特征；所述分类运算用于根据所述训练产品的低频特征和高频特征确定所述训练产品的第二类别；所述定位运算用于根据所述训练产品的低频特征和高频特征在所述训练产品所在的位置生成第二边框；

所述特征提取运算包括第一参数，所述分类运算包括第二参数，所述定位运算包括第三参数；

在训练过程中，基于如下公式作为目标函数对所述第一参数、所述第二参数和所述三参数进行优化：

其中，coordErr为所述第一边框和所述第二边框的坐标误差；iouErr为所述第一边框和所述第二边框的交并比损失；clsErr为所述第一类别和所述第二类别的误差损失；α、β、γ为权重；γ大于β且γ大于α。

5.根据权利要求1所述的图片识别方法，其特征在于，还包括：

记录所述框的坐标信息以及类别信息；

将框选及标注后的图片转换成XML解析文件。

6.根据权利要求1所述的图片识别方法，其特征在于，获取待识别图片的步骤包括：

读取待识别图片；

对所述待识别图片进行预处理；

对预处理后的待识别图片进行格式统一及尺寸统一。

7.根据权利要求4所述的图片识别方法，其特征在于，确定训练样本，的步骤包括：

读取待识别图片；

对所述待识别图片进行预处理；

对预处理后的待识别图片进行格式统一、尺寸统一及重命名；

对进行格式统一、尺寸统一及重命名后的待识别图片标注第一类别和第一边框。

8.一种图片识别装置，其特征在于，包括获取模块、特征提取模块、定位模块和显示模块：

所述获取模块用于获取待识别图片，所述待识别图片包括目标产品；

所述特征提取模块用于提取所述待识别图片包括的所述目标产品的特征，并根据所述目标产品的特征确定所述目标产品的类别；

所述定位模块用于在所述待识别图片中对所述目标产品进行定位，并在所述目标产品所在的位置生成目标边框；

所述显示模块用于关联显示所述目标边框和所述目标产品的类别。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。