[发明专利]一种基于机器学习的logo图像识别方法与系统

说明书

本发明公开了一种基于机器学习的logo图像识别方法，包括如下步骤：对logo图像内容进行识别，得到识别后的图像内容；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；得到优化后的卷积神经网络；得到合适拟合卷积神经网络；模型集成并利用机器学习算法识别logo图像，本发明通过利用机器学习算法识别logo图像解决现在针对logo的检索时，由于数量巨大以及图形众多，通过人工检测的方式无法实现的问题。

技术领域

本发明涉及机器学习的logo图像识别技术领域，具体为一种基于机器学习的logo图像识别方法及系统。

背景技术

现有技术中针对logo的检索时，由于数量巨大以及图形众多，通过人工检测的方式无法实现。

本发明提供了一种基于机器学习的logo图像识别方法与系统。本发明的目的是未来解决现在针对logo的检索时，由于数量巨大以及图形众多，通过人工检测的方式无法实现的问题。

发明内容

本发明的目的在于提供一种基于机器学习的logo图像识别方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于机器学习的logo图像识别方法，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。

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，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。

作为本发明优选的方案，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。

作为本发明优选的方案，所述图像识别模块采用高清扫描摄像头对其进行扫描识别。

作为本发明优选的方案，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。

作为本发明优选的方案，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。

作为本发明优选的方案，所述模型集成其模型供机器学习算法识别logo图像。

作为本发明优选的方案，所述管理中心设有操作模块以及显示模块。