[发明专利]图像识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像识别方法、装置、计算机设备和存储介质。所述方法包括：接收待识别图像；基于Jetson Nano芯片，采用cuda编程语言对所述待识别图像进行并行预处理，所述预处理包括格式转换、缩放以及归一化；将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果。上述图像识别方法、装置、计算机设备和存储介质，利用cuda编程语言，对待识别图像进行并行预处理，将原来需要多个读写步骤才能完成的预处理步骤在一个读写过程中完成，减小了对设备的负载，降低了对设备性能的要求，且采用神经网络对图像进行识别，大大简化了识别算法，提高了识别速度与识别效率。

技术领域

本申请涉及神经网络技术领域，特别是涉及一种图像识别方法、装置、计算机设备和存储介质。

背景技术

随着人工智能浪潮的到来，全社会范围内产生了大量的图像识别和分类的需求，例如人脸识别，车辆识别以及超市购物的识别需求。因为图像识别的算法极其复杂，对计算机产生了极高的要求，导致计算机成本、体积，功耗等成本居高不下。

传统的图像识别算法，需要对图像进行多步骤的预处理，且采用较复杂的识别算法，因此对设备性能要求很高，成本较高，识别速度慢，识别效率低。

发明内容

基于此，有必要针对传统的图像识别算法，需要对图像进行多步骤的预处理，且采用较复杂的识别算法，因此对设备性能要求很高，成本较高，识别速度慢，识别效率低的技术问题，提供一种图像识别方法、装置、计算机设备和存储介质。

一种图像识别方法，所述方法包括：

接收待识别图像；

基于Jetson Nano芯片，采用cuda编程语言对所述待识别图像进行并行预处理，所述预处理包括格式转换、缩放以及归一化；

将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果。

在其中一个实施例中，所述接收待识别图像包括：

基于http协议接收所述待识别图像。

在其中一个实施例中，所述采用cuda编程语言对所述待识别图像进行并行预处理之前还包括：

基于1/2解码技术对所述待识别图像进行解码，得到yuv待识别图像。

在其中一个实施例中，所述采用cuda编程语言对所述待识别图像进行并行预处理包括：

将所述待识别图像进行分解，得到多个待处理像素数据；

基于所述cuda编程语言对多个所述待处理像素数据进行并行预处理，得到多个标准像素数据；

将多个所述标准像素数据进行组合，得到预处理后的所述待识别图像。

在其中一个实施例中，所述对所述待识别图像进行并行预处理包括：

采用BT.601标准将所述yuv待识别图像转换为BGR待识别图像；

采用双线性插值图像缩放算法将所述BGR待识别图像缩放到预设尺寸；

对缩放后的所述BGR待识别图像进行归一化处理，得到BGR浮点归一化待识别图像。

在其中一个实施例中，所述将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果之前还包括：

获取训练图像以及对应的训练识别结果；

根据所述训练图像以及对应的训练识别结果建立训练集；

根据所述训练集训练初始神经网络模型，得到经训练的神经网络模型。