[发明专利]图片识别方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及人工智能，揭露一种图片识别方法，包括：对初始图片集进行全局目标区域裁剪及像素归一化处理，得到第一标准图片集；利用第一标准图片集进行第一模型训练，得到第一识别模型；对初始图片集进行局部目标区域裁剪、数据增强及像素归一化处理，得到第二标准图片集；利用第二标准图片集进行第二模型训练，得到第二识别模型；当接收到待识别图片时，利用第一识别模型及第二识别模型对待识别图片进行识别及结果判断，得到识别结果。本发明还涉及区块链，所述待识别图片可以存储在区块链节点中。本发明还提出一种图片识别装置、电子设备以及存储介质。本发明可以应用于医疗图片识别的应用场景中。利用本发明可以提高图片识别的准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种图片识别方法、装置、电子设备及计算机可读存储介质。

背景技术

随着人工智能的发展，利用图片识别模型对图片进行识别的应用越来越广泛，不仅能够应用在生活中，在医疗科技中也得到了广泛的应用，例如：对病人的胸部CT图片进行识别，辅助医生进行肺结核的诊断。

但是，目前的图片识别模型识别图片是对图片进行全局识别，容易忽略局部的细微特征，导致图片识别的准确度低。

发明内容

本发明提供一种图片识别方法、装置、电子设备及计算机可读存储介质，其主要目标在于提高图片识别的准确度。

为实现上述目的，本发明提供的一种图片识别方法，包括：

获取初始图片集，对所述初始图片集进行全局目标区域裁剪转换及像素归一化处理，得到第一标准图片集；

利用所述第一标准图片集对预构建的第一深度学习模型进行训练，得到第一识别模型；

对所述初始图片集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到第二标准图片集；

利用所述第二标准图片集对预构建的第二深度学习模型进行训练，得到第二识别模型；

当接收到待识别图片时，利用所述第一识别模型及所述第二识别模型对所述待识别图片进行识别及结果判断，得到识别结果。

可选地，所述对所述初始图片集进行全局目标区域裁剪转换及像素归一化处理，得到第一标准图片集，包括：

裁剪所述初始图片集中每张图片的第一感兴趣区域，得到第一全局图片集；

将所述第一全局图片集中的每张图片填充插值为预设大小，得到第二全局图片集；

对所述第二全局图片集中的每张图片中的每个像素值进行归一化处理，得到所述第一标准图片集。

可选地，所述对所述初始图片集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到第二标准图片集，包括：

裁剪所述初始图片集中每张图片的第二感兴趣区域，得到初始局部图片集；

根据所述初始图片集中每张图片对应的初始标签对所述初始局部图片集中对应的图片进行标记，得到第一局部图片集；

将所述第一局部图片集中的图片填充插值为预设大小，得到第二局部图片集；

对所述第二局部图片集中的每张图片中的每个像素值进行归一化处理，得到第三局部图片集；

对所述第三局部图片集中的每张图片进行预设角度旋转，以对应的旋转角度进行标签标记，得到所述第二标准图片集。

可选地，所述利用所述第一标准图片集对预构建的第一深度学习模型进行训练，得到第一识别模型，包括：

步骤A：根据预设的卷积池化次数，对所述第一标准图片集进行卷积池化操作，得到特征集；