CN110889411A - 基于ai芯片的通用图像识别模型 - Google Patents
基于ai芯片的通用图像识别模型 Download PDFInfo
- Publication number
- CN110889411A CN110889411A CN201910927072.3A CN201910927072A CN110889411A CN 110889411 A CN110889411 A CN 110889411A CN 201910927072 A CN201910927072 A CN 201910927072A CN 110889411 A CN110889411 A CN 110889411A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- data
- training
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000010191 image analysis Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000013499 data model Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Abstract
本发明涉及基于AI芯片的通用图像识别模型,包括:图像解析模型部分:用于获取图像初步数据,并对图像初步数据进行像素采样,同时生成图像像素数据;图像训练部分:用于录入通用图像训练模型。通过实现进行通用图像模型进行训练,从而计算处各数据模型样本,每个模型样本都会被拆分成多个独立编码的下小图块,通过将多个采集的图像进行解析,通过生成对应图像像素数据,通过将整个像素数据进行分割,通过与原数据库内的数据进行独立编码分析,从而确定采集图像所对应的模型样本,提升了图像识别的精准性,减少了误判的可能通过后期对图像模型的持续训练,从而增强了图像识别的识别范围。
Description
技术领域
本发明涉及图像识别技术领域,具体为基于AI芯片的通用图像识别模型。
背景技术
人工智能亦称智械以及机器智能,指由人制造出来的机器所表现出来的智能,通常人工智能是指通过普通计算机程序来呈现人类智能的技术,该词也指出研究这样的智能系统是否能够实现,以及如何实现,人工智能于一般教材中的定义领域是智能主体的研究与设计,智能主体指一个可以观察周遭环境并作出行动以达致目标的系统,人工智能的研究是高度技术性和专业的,各分支领域都是深入且各不相通的,因而涉及范围极广。
识别某一个图像,必须在过去的模型中有这个图像数据,需要当前的图像信息与之前的图像数据吻合,图像也就能被正确识别,在实际应用的过程中,处理芯片需要判定图像数据完全吻合,才能得出一致的图像,但是图像分析过程中,每个图像区别判定点并没有明确指出,而且很容易发生误判。
发明内容
本发明针对现有技术中存在的技术问题,提供基于AI芯片的通用图像识别模型来解决上述问题。
本发明解决上述技术问题的技术方案如下:基于AI芯片的通用图像识别模型,包括:
图像解析模型部分:用于获取图像初步数据,并对图像初步数据进行像素采样,同时生成图像像素数据;
图像训练部分:用于录入通用图像训练模型,以及对采集后期图像像素数据进行训练,并整合图像模型数据;
图像模型通用储存模块:用于储存图像模型数据,并生成图像模型数据库;
图像待检测单元:用于接收图像解析模型部分传递的图像像素数据,并进行临时储存;
图像识别部分:用于将图像待检测单元临时储存的图像像素数据与图像模型通用储存模块内图像模型数据进行对比,完成图像识别。
进一步,所述图像解析模型部分包括:
图形分割模块,用于把图片分解成多个同样大小的小图块;
编码排序模块,用对分解出的多个小图块进行编码重新排序;
信息提取模块,用于提取编码排序完毕的小图块;
信息整合模块,用于对提取的小图块进行编码整合处理。
进一步,所述图像训练部分包括:
初始图像训练模块,用于录入通用图像训练模型,并对通用图像训练模型进行训练以及生成训练样本;
持续图像训练模块,用于对采集后期图像像素数据进行训练,并对持续生成训练样本。
进一步,所述图像识别部分包括:
图像提取模块,用于提取图像模型数据库中的图像模型数据;
图像对比模块,用于将提取的图像模型数据与采集的图像初步数据进行像素对比。
本发明的有益效果是:通过实现进行通用图像模型进行训练,从而计算处各数据模型样本,每个模型样本都会被拆分成多个独立编码的下小图块,通过将多个采集的图像进行解析,通过生成对应图像像素数据,通过将整个像素数据进行分割,通过与原数据库内的数据进行独立编码分析,从而确定采集图像所对应的模型样本,提升了图像识别的精准性,减少了误判的可能,随着图像处理数量增加,数据库的涵盖程度也会越广,通过后期对图像模型的持续训练,从而增强了图像识别的识别范围。
附图说明
图1为本发明系统架构示意图;
图2为本发明图像解析模型部分结构示意图;
图3为本发明图像训练部分结构示意图;
图4为本发明图像识别部分结构示意图。
附图中,各标号所代表的部件列表如下:
1图像解析模型部分、101图形分割模块、102编码排序模块、103信息提取模块、104编码排序模块、2图像训练部分、201初始图像训练模块、202持续图像训练模块、3图像待检测单元、4图像模型通用储存模块、5图像识别部分、501图像提取模块、502图像对比模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,基于AI芯片的通用图像识别模型,包括:
图像解析模型部分1:用于获取图像初步数据,并对图像初步数据进行像素采样,同时生成图像像素数据;
图像训练部分2:用于录入通用图像训练模型,以及对采集后期图像像素数据进行训练,并整合图像模型数据;
图像模型通用储存模块4:用于储存图像模型数据,并生成图像模型数据库;
图像待检测单元3:用于接收图像解析模型部分1传递的图像像素数据,并进行临时储存;
图像识别部分:用于将图像待检测单元3临时储存的图像像素数据与图像模型通用储存模块4内图像模型数据进行对比,完成图像识别。
如图2所示,图像解析模型部分1包括:
图形分割模块101,用于把图片分解成多个同样大小的小图块;
编码排序模块102,用对分解出的多个小图块进行编码重新排序;
信息提取模块103,用于提取编码排序完毕的小图块;
信息整合模块104,用于对提取的小图块进行编码整合处理。
如图3所示,图像训练部分2包括:
初始图像训练模块201,用于录入通用图像训练模型,并对通用图像训练模型进行训练以及生成训练样本;
持续图像训练模块202,用于对采集后期图像像素数据进行训练,并对持续生成训练样本。
如图4所示,图像识别部分5包括:
图像提取模块501,用于提取图像模型数据库中的图像模型数据;
图像对比模块502,用于将提取的图像模型数据与采集的图像初步数据进行像素对比。
综上所示,通过实现进行通用图像模型进行训练,从而计算处各数据模型样本,每个模型样本都会被拆分成多个独立编码的下小图块,通过将多个采集的图像进行解析,通过生成对应图像像素数据,通过将整个像素数据进行分割,通过与原数据库内的数据进行独立编码分析,从而确定采集图像所对应的模型样本,提升了图像识别的精准性,减少了误判的可能,随着图像处理数量增加,数据库的涵盖程度也会越广,通过后期对图像模型的持续训练,从而增强了图像识别的识别范围。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于AI芯片的通用图像识别模型,其特征在于,包括:
图像解析模型部分(1):用于获取图像初步数据,并对图像初步数据进行像素采样,同时生成图像像素数据;
图像训练部分(2):用于录入通用图像训练模型,以及对采集后期图像像素数据进行训练,并整合图像模型数据;
图像模型通用储存模块(4):用于储存图像模型数据,并生成图像模型数据库;
图像待检测单元(3):用于接收图像解析模型部分(1)传递的图像像素数据,并进行临时储存;
图像识别部分:用于将图像待检测单元(3)临时储存的图像像素数据与图像模型通用储存模块(4)内图像模型数据进行对比,完成图像识别。
2.根据权利要求1所述的基于AI芯片的通用图像识别模型,其特征在于,所述图像解析模型部分(1)包括:
图形分割模块(101),用于把图片分解成多个同样大小的小图块;
编码排序模块(102),用对分解出的多个小图块进行编码重新排序;
信息提取模块(103),用于提取编码排序完毕的小图块;
信息整合模块(104),用于对提取的小图块进行编码整合处理。
3.根据权利要求1所述的基于AI芯片的通用图像识别模型,其特征在于,所述图像训练部分(2)包括:
初始图像训练模块(201),用于录入通用图像训练模型,并对通用图像训练模型进行训练以及生成训练样本;
持续图像训练模块(202),用于对采集后期图像像素数据进行训练,并对持续生成训练样本。
4.根据权利要求1所述的基于AI芯片的通用图像识别模型,其特征在于,所述图像识别部分(5)包括:
图像提取模块(501),用于提取图像模型数据库中的图像模型数据;
图像对比模块(502),用于将提取的图像模型数据与采集的图像初步数据进行像素对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910927072.3A CN110889411B (zh) | 2019-09-27 | 2019-09-27 | 基于ai芯片的通用图像识别模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910927072.3A CN110889411B (zh) | 2019-09-27 | 2019-09-27 | 基于ai芯片的通用图像识别模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889411A true CN110889411A (zh) | 2020-03-17 |
CN110889411B CN110889411B (zh) | 2023-12-08 |
Family
ID=69745991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910927072.3A Active CN110889411B (zh) | 2019-09-27 | 2019-09-27 | 基于ai芯片的通用图像识别模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889411B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018077121A1 (zh) * | 2016-10-24 | 2018-05-03 | 合肥美的智能科技有限公司 | 图像中目标物体识别方法、冰箱内食品识别方法及系统 |
JP2019004439A (ja) * | 2017-06-20 | 2019-01-10 | キヤノン株式会社 | 符号化装置、撮像装置および符号化方法 |
WO2019109613A1 (en) * | 2017-12-07 | 2019-06-13 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
US20190220700A1 (en) * | 2018-01-15 | 2019-07-18 | Gyrfalcon Technology Inc. | System and method for encoding data in an image/video recognition integrated circuit solution |
US20190318208A1 (en) * | 2016-12-27 | 2019-10-17 | Cloudminds (Shenzhen) Robotics Systems Co., Ltd | Image identification system and image identification method |
US20200053408A1 (en) * | 2018-08-10 | 2020-02-13 | Samsung Electronics Co., Ltd. | Electronic apparatus, method for controlling thereof, and method for controlling server |
-
2019
- 2019-09-27 CN CN201910927072.3A patent/CN110889411B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018077121A1 (zh) * | 2016-10-24 | 2018-05-03 | 合肥美的智能科技有限公司 | 图像中目标物体识别方法、冰箱内食品识别方法及系统 |
US20190318208A1 (en) * | 2016-12-27 | 2019-10-17 | Cloudminds (Shenzhen) Robotics Systems Co., Ltd | Image identification system and image identification method |
JP2019004439A (ja) * | 2017-06-20 | 2019-01-10 | キヤノン株式会社 | 符号化装置、撮像装置および符号化方法 |
WO2019109613A1 (en) * | 2017-12-07 | 2019-06-13 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
US20190220700A1 (en) * | 2018-01-15 | 2019-07-18 | Gyrfalcon Technology Inc. | System and method for encoding data in an image/video recognition integrated circuit solution |
US20200053408A1 (en) * | 2018-08-10 | 2020-02-13 | Samsung Electronics Co., Ltd. | Electronic apparatus, method for controlling thereof, and method for controlling server |
Non-Patent Citations (2)
Title |
---|
Z WANG 等: "Encoding time series as images for visual inspection and classification using tiled convolutional neural networks", AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE * |
郑宝玉 等: "基于深度卷积神经网络的弱监督图像语义分割", 南京邮电大学学报(自然科学版), no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN110889411B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919031B (zh) | 一种基于深度神经网络的人体行为识别方法 | |
CN110175527B (zh) | 行人再识别方法及装置、计算机设备及可读介质 | |
CN109446927B (zh) | 基于先验知识的双人交互行为识别方法 | |
Memmesheimer et al. | Gimme signals: Discriminative signal encoding for multimodal activity recognition | |
CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN111626123A (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
CN109583452B (zh) | 一种基于赤足足迹的人身同一认定方法和系统 | |
CN109766891B (zh) | 获取设备设施信息的方法及计算机可读存储介质 | |
CN110555417A (zh) | 一种基于深度学习的视频图像识别系统及方法 | |
CN113761259A (zh) | 一种图像处理方法、装置以及计算机设备 | |
CN105117740A (zh) | 字体识别方法及装置 | |
CN106203374A (zh) | 一种基于压缩感知的特征识别方法及其系统 | |
CN114998934A (zh) | 基于多模态智能感知和融合的换衣行人重识别和检索方法 | |
CN111985402B (zh) | 一种变电站安全围栏翻越行为识别方法、系统及设备 | |
CN114758362A (zh) | 基于语义感知注意力和视觉屏蔽的换衣行人重识别方法 | |
CN106529470A (zh) | 一种基于多级深度卷积神经网络的手势识别方法 | |
CN111190595A (zh) | 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备 | |
CN105844204B (zh) | 人体行为识别方法和装置 | |
CN110097140A (zh) | 一种用于隧道巡检机器人的数据处理系统 | |
CN113989563A (zh) | 一种多尺度多标签融合的中医舌象分类方法 | |
CN110889411A (zh) | 基于ai芯片的通用图像识别模型 | |
CN111626313B (zh) | 一种特征提取模型训练方法、图像处理方法及装置 | |
CN111476820A (zh) | 一种对被追踪的目标进行定位的方法和装置 | |
CN113627255A (zh) | 一种小鼠行为量化分析方法、装置、设备及可读存储介质 | |
CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A General Image Recognition Model Based on AI Chips Granted publication date: 20231208 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: Wuhan chuangxiang outer code technology Co.,Ltd. Registration number: Y2024980008001 |