[发明专利]一种基于多神经网络的信息识别方法及识别系统

说明书

本发明属于信息识别技术领域，公开了一种基于多神经网络的信息识别方法及识别系统，通过影像数据输入模块输入待识别影像数据，并通过影像处理模块进行影像灰度化处理、影像数据增强处理、影像补偿处理，通过特征向量变换模块变换为待识别影像数据特征向量；利用模型构建模块通过递归卷积层的卷积神经网络训练得到信息识别模型；利用结果识别模块将转化后的待识别影像数据特征向量输入信息识别模型中进行信息识别，得到相应的结果。本发明有效解决了人工设计卷积神经网络的结构需要大量耗费人类的精力与智慧，需要经过不断的试验与优化，工作量较大，效率较低，并且受人类主观因素影响，信息识别结果不准确的问题，提升信息识别的效率。

技术领域

本发明属于信息识别技术领域，尤其涉及一种基于多神经网络的信息识别方法及识别系统。

背景技术

卷积神经网络作为人工智能的重要模型与算法，已经广泛的应用到多个场景。尤其是信息识别方面，包括影像理解、自然语言处理、数据分类与回归等方面，均取得了很好的效果，如目前在医学研究中已实现影像中病灶识别与解剖分割。基于卷积神经网络进行信息识别，大量的替代了人类的工作，复杂的卷积神经网络甚至在信息识别领域中，准确率超过了人类。

通过研究发现，基于卷积神经网络的信息识别的过程中，首先需要构建卷积神经网络模型，然后对卷积神经网络模型进行训练，最后利用训练好的卷积神经网络进行信息识别。在实际生活和临床应用中构建卷积神经网络模型时，需要人工设计卷积神经网络的结构，而人工设计卷积神经网络的结构需要大量耗费人类的精力与智慧，需要经过不断的试验与优化，工作量较大，效率较低，并且受人类主观因素影响，信息识别结果不准确。

通过上述分析，现有技术存在的问题及缺陷为：

(1)在实际生活和临床应用中构建卷积神经网络模型时，需要人工设计卷积神经网络的结构，而人工设计卷积神经网络的结构需要大量耗费人类的精力与智慧，需要经过不断的试验与优化，工作量较大，效率较低，并且受人类主观因素影响，信息识别结果不准确。

(2)传统上仅针对水平方向的目标影像像素进行补偿，而对于垂直方向的目标影像像素，仍有可能呈现断层的现象，导致信息识别不准确。

发明内容

针对现有技术存在的问题，本发明提供了一种基于多神经网络的信息识别方法及识别系统。

本发明是这样实现的，一种基于多神经网络的信息识别方法及识别系统，其特征在于，该方法具体包括：

S1：通过影像数据输入模块输入待识别影像数据，并通过影像处理模块进行影像灰度化处理、影像数据增强处理、影像补偿处理，通过特征向量变换模块变换为待识别影像数据特征向量；

所述影像补偿处理方法：

接收并储存一像素阵列中相邻的多列像素所对应的目标影像数据；撷取该些列像素中的一行像素所对应的一目标影像数据；当该行像素所对应的目标影像数据中的最大灰度值与最小灰度值相差小于一有限值，则平缓化该行像素所对应的目标影像数据的灰度值；

取该行像素所对应的目标影像数据中的该最小灰度值，依据该最小灰度值正规化该行像素所对应的目标影像数据的灰度值，以及比对正规化后的该行像素所对应的目标影像数据的灰度值与多个特定灰度值样示；若正规化后的该行像素所对应的目标影像数据的灰度值相同于该些特定灰度值样示之一，则依据对应的一组补偿值平缓化该行像素所对应的目标影像数据的灰度；

S2：利用模型构建模块通过递归卷积层的卷积神经网络训练得到信息识别模型；

S3：利用结果识别模块将转化后的待识别影像数据特征向量输入信息识别模型中进行信息识别，得到相应的结果。

进一步，所述信息识别具体包括以下任一项：影像的病灶识别与解剖分割、商品识别、手势识别、人脸识别、交通标志识别；

所述影像的病灶识别与解剖分割方法：