[发明专利]一种基于机器学习的logo图像识别方法与系统

权利要求书

1.一种基于机器学习的logo图像识别方法，其特征在于，包括如下步骤：

S1：对logo图像内容进行识别，得到识别后的图像内容；

S2：构建图像分类数据库，对图像分类数据库中图像采用自助采样法进行处理，得到处理后图像；

S3：通过卷积神经网络优化学习处理后图像的像素；

S4：优化处理后图像的像素拟合合适的卷积神经网络；

S5：集成拟合后的LOGO图像模型并利用机器学习算法识别logo图像。

2.一种基于机器学习的logo图像识别系统，包括中央处理器、管理中心、图像识别模块、数据库模块、卷积神经网络以及模型集成，其特征在于，所述中央处理器与管理中心、图像识别模块、数据库模块、卷积神经网络以及模型集成线性连接。

3.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，其对应功能如下：

中央处理器：用于控制整个基于机器学习的logo图像识别系统，完成其系统内的数据处理与转换；

管理中心：为该基于机器学习的logo图像识别系统的后台管理中心，用于对该系统的人工干预以及管理和控制；

图像识别模块：用于识别logo图像的内容，得到其logo图像的内容；

数据库模块：用于对图像识别模块所识别的logo图像进项保存、分类以及处理；

卷积神经网络：将其数据库内优化后的logo图像进行筛选最合适的logo图像进行使用；

模型集成：将合适的logo图像集成相应的模型，并通过机器学习算法识别logo图像。

4.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，所述图像识别模块采用搞清扫描摄像头对其进行扫描识别。

5.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，在数据库模块内包括构成数据库、图像分类以及图像处理，在数据库内将所有识别的logo图像进行分类，分类完成后，然后将其通过图像处理至最优化供学习挑选。

6.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，所述卷积神经网络内包括优化的logo图像，在优化的logo图像内有适合的logo图像，即用于机器学习的logo图像识别。

7.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，所述模型集成其模型供机器学习算法识别logo图像。

8.根据权利要求2所述的一种基于机器学习的logo图像识别系统，其特征在于，所述管理中心设有操作模块以及显示模块。