[发明专利]一种嵌入式终端的图像分类方法、装置及嵌入式终端

说明书

本申请适用于图像处理技术领域，提供了一种嵌入式终端的图像分类方法、装置及嵌入式终端，应用于第一终端，所述第一终端为嵌入式终端，所述方法包括：获取通过第二终端训练后的特征提取模型，其中，所述第二终端为非嵌入式终端；根据所述特征提取模型提取待处理图像的第一特征信息；将所述第一特征信息与预设特征库中的第二特征信息进行比对，获得比对结果；根据所述比对结果确定所述待处理图像的类别。通过上述方法，有效解决了低功耗的嵌入式终端无法执行深度学习的数据处理任务的问题。

技术领域

本申请属于图像处理技术领域，尤其涉及一种嵌入式终端的图像分类方法、装置及嵌入式终端。

背景技术

深度学习技术被广泛的应用于图像分类、图像分割等领域。随着STEM(Science-Technology-Engineering-Mathematics，科学技术工程数学)教育的发展，深度学习技术逐渐融入了教育的课堂。学生通过教育端机器人平台了解深度学习技术的原理，并在教育端机器人平台上完成深度学习程序的编辑等学习任务。

通常教育端机器人平台搭载的是低功耗的嵌入式终端，如单片机等。由于深度学习技术的数据处理量较大，而低功耗的嵌入式终端运算能力较低、内存空间较小，无法满足深度学习技术的数据处理需求，进而导致无法在教育端机器人平台上完成深度学习技术的教育任务。

发明内容

本申请实施例提供了一种嵌入式终端的图像分类方法、装置及嵌入式终端，可以解决低功耗的嵌入式终端无法执行深度学习的数据处理任务的问题。

第一方面，本申请实施例提供了一种嵌入式终端的图像分类方法，应用于第一终端，所述第一终端为嵌入式终端，所述方法包括：

获取通过第二终端训练后的特征提取模型，其中，所述第二终端为非嵌入式终端；

根据所述特征提取模型提取待分类图像的第一特征信息；

将所述第一特征信息与预设特征库中的第二特征信息进行比对，获得比对结果；

根据所述比对结果确定所述待分类图像的类别。

在本申请实施例中，通过第二终端(即非嵌入式终端)训练特征提取模型，而第一终端(即嵌入式终端)获取训练后的特征提取模型，并利用训练后的特征提取模型进行图像分类。模型训练过程的数据处理量较大，通过上述方法，由非嵌入式终端代替嵌入式终端执行模型训练任务，而嵌入式终端执行数据处理量较小的识别任务，大大减少了嵌入式终端的数据处理任务量，有效解决了低功耗的嵌入式终端无法执行深度学习的数据处理任务的问题，进而实现了在嵌入式终端上的深度学习技术的教育任务。

在第一方面的一种可能的实现方式中，所述获取通过第二终端训练后的特征提取模型，包括：

获取第一模型参数，其中，所述第一模型参数为符合所述第二终端的数据格式的所述特征提取模型的参数；

将所述第一模型参数转换为目标格式的第二模型参数，其中，所述目标格式为所述第一终端的数据格式；

根据所述第二模型参数生成所述特征提取模型。

在第一方面的一种可能的实现方式中，在获取通过第二终端训练后的特征提取模型之后，所述方法还包括：

获取多张样本图像，所述样本图像携带有类别标记；

根据所述特征提取模型分别提取每张所述样本图像的所述第二特征信息；

根据所述多张样本图像各自的所述类别标记和所述第二特征信息构建所述预设特征库。

在第一方面的一种可能的实现方式中，所述根据所述特征提取模型分别提取每张所述样本图像的所述第二特征信息，包括：

根据所述特征提取模型分别提取每张所述样本图像的第三特征信息；