[发明专利]图像识别方法、装置和存储介质

说明书

本发明实施例公开了一种图像识别方法、装置和存储介质；本发明实施例可以获取待识别图像和图像识别模型，图像识别模型包括全连接第一子层和全连接第二子层，图像识别模型由标注了图像类型和图像类型分组的训练图像集训练而成；对待识别图像进行特征提取，得到待识别图像的图像特征；采用全连接第一子层对图像特征进行分组分析，得到待识别图像的分组向量；基于分组向量确定待识别图像的类型分组；采用全连接第二子层基于类型分组对分组向量进行加权求和处理，得到待识别图像的分类向量；根据分类向量确定待识别图像的图像类型。本方案通过先判断图像的分组，再针对图像的分组计算图像的类型，从而减少计算量，由此提升图像识别方法的效率。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种图像识别方法、装置和存储介质。

背景技术

计算机视觉技术(Computer Vision，CV)是指采用人工智能技术(ArtificialIntellegence，AI)，使得计算机代替人眼对目标图像进行识别、跟踪和测量，以及进行进一步地将目标图像处理成为更适合人眼观察或传送给仪器检测的图像。目前，计算机视觉技术通常包括图像处理、图像识别、图像语义理解等技术。

然而，目前的图像识别方法效率低下。

发明内容

本发明实施例提供一种图像识别方法、装置和存储介质，可以提升图像识别方法的效率。

本发明实施例提供一种图像识别方法，包括：

获取待识别图像和图像识别模型，所述图像识别模型包括全连接第一子层和全连接第二子层，所述图像识别模型由标注了图像类型和图像类型分组的训练图像集训练而成；

对所述待识别图像进行特征提取，得到所述待识别图像的图像特征；

采用所述全连接第一子层对所述图像特征进行分组分析，得到所述待识别图像的分组向量；

基于所述分组向量确定所述待识别图像的类型分组；

采用所述全连接第二子层基于所述类型分组对所述分组向量进行加权求和处理，得到所述待识别图像的分类向量；

根据所述分类向量确定所述待识别图像的图像类型。

本发明实施例还提供一种图像识别装置，包括：

获取单元，用于获取待识别图像和图像识别模型，所述图像识别模型包括全连接第一子层和全连接第二子层，所述图像识别模型由标注了图像类型和图像类型分组的训练图像集训练而成；

特征单元，用于对所述待识别图像进行特征提取，得到所述待识别图像的图像特征；

分析单元，用于采用所述全连接第一子层对所述图像特征进行分组分析，得到所述待识别图像的分组向量；

分组单元，用于基于所述分组向量确定所述待识别图像的类型分组；

分类单元，用于采用所述全连接第二子层基于所述类型分组对所述分组向量进行加权求和处理，得到所述待识别图像的分类向量；

确定单元，用于根据所述分类向量确定所述待识别图像的图像类型。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行任一项权利要求的图像识别方法中的步骤。