CN112528993A - 一种基于知识图谱的图像识别准确率提升方法 - Google Patents

一种基于知识图谱的图像识别准确率提升方法 Download PDF

Info

Publication number
CN112528993A
CN112528993A CN202011493609.9A CN202011493609A CN112528993A CN 112528993 A CN112528993 A CN 112528993A CN 202011493609 A CN202011493609 A CN 202011493609A CN 112528993 A CN112528993 A CN 112528993A
Authority
CN
China
Prior art keywords
result
module
data
accuracy
image
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.)
Pending
Application number
CN202011493609.9A
Other languages
English (en)
Inventor
冯卫森
陈洪鑫
李锐
王建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Inspur Hi Tech Investment and Development Co Ltd
Original Assignee
Jinan Inspur Hi Tech Investment and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Inspur Hi Tech Investment and Development Co Ltd filed Critical Jinan Inspur Hi Tech Investment and Development Co Ltd
Priority to CN202011493609.9A priority Critical patent/CN112528993A/zh
Publication of CN112528993A publication Critical patent/CN112528993A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明是一种基于知识图谱的图像识别准确率提升方法。主要包括数据获取模块、图像识别模块、数据处理模块、知识图谱查询模块、结果展示模块。数据获取模块用于获取图像；图像识别模块用于识别图像包含的物体并给出识别准确率；数据处理模块用于处理图像识别结果数据，根据结果决定进行展示或进一步处理；知识图谱模块用于处理图像识别模块中识别准确率较低数据；结果展示模块负责展示最终的输出结果。本发明结合图像识别技术和知识图谱的逻辑推理优势，进一步提升了图像识别的准确率，使图像识别更接近人类真实场景。

Description

一种基于知识图谱的图像识别准确率提升方法
技术领域
本发明涉及图像识别和知识图谱领域，具体涉及一种基于知识图谱的图像识别准确率提升方法。
背景技术
基于深度学习的图像识别技术已经能够实现很高的准确率。但由于数据源质量参差不齐，对图像识别准确率造成的影响，仅依靠图像识别还无法解决。如在教室中，由于图像像素模糊仅能识别出课桌，但课桌上的具体物体识别准确率相对较低；由于图像拍摄角度，课桌下的椅子，仅有少部分的椅子脚被拍摄出来。人类可以根据图像的具体场景，对物体进行推理判断，以此提高图像识别的准确率。现有的图像识别系统，无法通过简单的推理，实现类似人类图像识别的功能。
发明内容
本发明目的是提供了一种基于知识图谱的图像识别准确率提升方法，通过将知识图谱和图像识别进行结合，赋予图像识别逻辑推理的能力，大大提高了图像识别的准确率。
本发明为实现上述目的，通过以下技术方案实现：
一种基于知识图谱提升图像识别准确率的方法，包括以下主要步骤：
步骤1：数据获取模块通过自然光捕捉或者数据上传方式获取数据源图像；
步骤2：图像识别模块对图像中的物体进行识别，给出被识别物体的具体名称和识别准确率，并将识别后的结果传入数据处理模块；
步骤3：数据处理模块将识别后的数据结果进行判断，对准确率达到95%以上的结果输出给结果展示模块进行直接展示；将准确率低于95%传输给知识图谱进行逻辑推理判断；并接收知识图谱判断后的返回结果，对返回结果附带推理标签传输给结果展示模块；
步骤4：知识图谱模块用于对识别模糊图像进行逻辑判断，并将判断完成后的结果输出给数据处理模块；
步骤5：结果展示模块接收到输入数据后，首先进行数据划分，再根据准确率显示结果。
优选的，所述步骤5对准确率95%以上数据，直接以“结果”的形式展示；对准确率低于50%结果以“未能识别”的形式进行展示；对准确率在50%-95%之间数据以“图像识别准确率+逻辑判断准确率=最终准确率：物体名称”的方式展示。
本发明的优点在于：本发明结合图像识别技术和知识图谱的逻辑推理优势，进一步提升了图像识别的准确率，使图像识别更接近人类真实场景。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明基于知识图谱的图像识别流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以教室里物品展示为例，具体讲解发明的工作方式。
通过数据获取模块现场拍摄一张教室内景图像。将图像传输到图像识别模块，对图像中的所有物体进行识别处理。
图像识别模块通过相关技术，对结果进行识别处理。并将识别后的物体名称和准确率发送给数据处理模块。
数据处理模块对数据进行判断，如桌子的识别准确率为96%，大于95%的范围则可直接输出给结果展示模块进行数据展示；而部分识别结果如橡皮，由于图像模糊等原因识别准确率低于95%，数据处理模块将该部分数据传送给知识图谱模块。
知识图谱模块首先根据教室的具体场景，定位到知识图谱的“教室”实体。然后由“教室”实体中的“常用物品”关系，定位到“橡皮”实体。通过“教室”实体和“橡皮”实体之间通过几条关系进行链接判断其准确率。将知识图谱查询结果返回给数据处理模块，数据处理模块将图像识别模块和知识图谱模块的结果通过加权计算，得到最终的识别结论并输出给结果展示模块进行展示。

Claims (2)

1.一种基于知识图谱提升图像识别准确率的方法，其特征在于，包括以下主要步骤：
步骤1：数据获取模块通过自然光捕捉或者数据上传方式获取数据源图像；
步骤2：图像识别模块对图像中的物体进行识别，给出被识别物体的具体名称和识别准确率，并将识别后的结果传入数据处理模块；
步骤3：数据处理模块将识别后的数据结果进行判断，对准确率达到95%以上的结果输出给结果展示模块进行直接展示；将准确率低于95%传输给知识图谱进行逻辑推理判断；并接收知识图谱判断后的返回结果，对返回结果附带推理标签传输给结果展示模块；
步骤4：知识图谱模块用于对识别模糊图像进行逻辑判断，并将判断完成后的结果输出给数据处理模块；
步骤5：结果展示模块接收到输入数据后，首先进行数据划分，再根据准确率显示结果。
2.根据权利要求1所述的基于知识图谱提升图像识别准确率的方法，其特征在于，所述步骤5对准确率95%以上数据，直接以“结果”的形式展示；对准确率低于50%结果以“未能识别”的形式进行展示；对准确率在50%-95%之间数据以“图像识别准确率+逻辑判断准确率=最终准确率：物体名称”的方式展示。
CN202011493609.9A 2020-12-17 2020-12-17 一种基于知识图谱的图像识别准确率提升方法 Pending CN112528993A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011493609.9A CN112528993A (zh) 2020-12-17 2020-12-17 一种基于知识图谱的图像识别准确率提升方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011493609.9A CN112528993A (zh) 2020-12-17 2020-12-17 一种基于知识图谱的图像识别准确率提升方法

Publications (1)

Publication Number Publication Date
CN112528993A true CN112528993A (zh) 2021-03-19

Family

ID=75001204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011493609.9A Pending CN112528993A (zh) 2020-12-17 2020-12-17 一种基于知识图谱的图像识别准确率提升方法

Country Status (1)

Country Link
CN (1) CN112528993A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014461A (en) * 1994-11-30 2000-01-11 Texas Instruments Incorporated Apparatus and method for automatic knowlege-based object identification
CN107845422A (zh) * 2017-11-23 2018-03-27 郑州大学第附属医院 一种基于多模态线索融合的远程会诊会话理解与摘要方法
CN108052680A (zh) * 2018-01-10 2018-05-18 海南大学 基于数据图谱、信息图谱和知识图谱的图像数据目标识别增强方法
CN108229578A (zh) * 2018-01-25 2018-06-29 海南大学 基于数据、信息和知识三层图谱架构的图像数据目标识别方法
CN108228868A (zh) * 2018-01-15 2018-06-29 海南大学 基于数据图谱、信息图谱和知识图谱的图像信息目标识别增强方法
CN111159249A (zh) * 2019-12-13 2020-05-15 深圳市唯特视科技有限公司 基于知识图谱的目标识别方法、装置、系统、存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014461A (en) * 1994-11-30 2000-01-11 Texas Instruments Incorporated Apparatus and method for automatic knowlege-based object identification
CN107845422A (zh) * 2017-11-23 2018-03-27 郑州大学第附属医院 一种基于多模态线索融合的远程会诊会话理解与摘要方法
CN108052680A (zh) * 2018-01-10 2018-05-18 海南大学 基于数据图谱、信息图谱和知识图谱的图像数据目标识别增强方法
CN108228868A (zh) * 2018-01-15 2018-06-29 海南大学 基于数据图谱、信息图谱和知识图谱的图像信息目标识别增强方法
CN108229578A (zh) * 2018-01-25 2018-06-29 海南大学 基于数据、信息和知识三层图谱架构的图像数据目标识别方法
CN111159249A (zh) * 2019-12-13 2020-05-15 深圳市唯特视科技有限公司 基于知识图谱的目标识别方法、装置、系统、存储介质

Similar Documents

Publication Publication Date Title
CN110866953B (zh) 地图构建方法及装置、定位方法及装置
CN103810478B (zh) 一种坐姿检测方法和装置
CN108537191B (zh) 一种基于结构光摄像头的三维人脸识别方法
CN104851099B (zh) 一种基于表示学习的图像融合方法
US8432414B2 (en) Automated annotation of a view
US20100257252A1 (en) Augmented Reality Cloud Computing
CN107798932A (zh) 一种基于ar技术的早教训练系统
CN109522883A (zh) 一种人脸检测方法、系统、装置及存储介质
CN112261477A (zh) 视频处理方法及装置、训练方法和存储介质
CN109949242A (zh) 图像去雾模型的生成方法、装置及图像去雾方法、装置
CN106530406A (zh) 增强及虚拟现实的光场光源定向法及前端设备
Swami et al. Candy: Conditional adversarial networks based fully end-to-end system for single image haze removal
CN114266933A (zh) 一种基于深度学习改进的gan图像去雾算法
CN113705510A (zh) 目标识别跟踪的方法、装置、设备及存储介质
CN111507325B (zh) 基于深度学习的工业视觉ocr识别系统及方法
CN115008454A (zh) 一种基于多帧伪标签数据增强的机器人在线手眼标定方法
CN106384086A (zh) 一种双摄像头人脸识别方法及系统
CN112528993A (zh) 一种基于知识图谱的图像识别准确率提升方法
CN112488165A (zh) 一种基于深度学习模型的红外行人识别方法及系统
CN106484118A (zh) 一种基于固定触发源的增强现实交互方法及系统
CN101873506A (zh) 提供深度信息的影像处理方法及其影像处理系统
US20220230396A1 (en) Augmented reality system
Ko et al. A novel distant target region detection method using hybrid saliency-based attention model under complex textures
CN112784631A (zh) 一种基于深度神经网络进行人脸情绪识别的方法
Bhuvaneswari et al. An efficient method for digital imaging of ancient stone inscriptions

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210319

RJ01 Rejection of invention patent application after publication