CN115115832A - 图像识别方法、装置、电子设备及存储介质 - Google Patents
图像识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115115832A CN115115832A CN202210605575.0A CN202210605575A CN115115832A CN 115115832 A CN115115832 A CN 115115832A CN 202210605575 A CN202210605575 A CN 202210605575A CN 115115832 A CN115115832 A CN 115115832A
- Authority
- CN
- China
- Prior art keywords
- image recognition
- image
- recognition
- result
- algorithm
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003462 vein Anatomy 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像识别方法、装置、电子设备及存储介质，首先获取待识别图像；然后基于图像识别算法，对待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果。采用的图像识别控制律基于李雅普诺夫稳定性分析方法，对图像识别算法进行分析确定，该图像识别控制律用于使最终识别结果趋向于理想识别结果。该方法引入反馈控制，既可以提高图像识别的抗干扰能力，使得到的最终识别结果更加准确，还可以提高图像的识别效率。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种图像识别方法、装置、电子设备及存储介质。
背景技术
近年来，图像识别技术越来越广泛的应用，比如人脸识别、指纹识别、静脉识别、手写字体识别、印刷字体识别和车辆字符识别等，这些图像识别场景主要是从待识别图像中得到所需的相关信息。
目前，主流的图像识别技术通常为基于机器学习的图像识别方法，需要引入基于机器学习的图像识别模型对待识别图像进行识别，已得到待识别图像中的相关信息。但是由于基于机器学习的图像识别模型通常需要通过大量的训练样本进行复杂的训练过程才能得到，这将无法对待识别图像进行快速有效的识别。而且，识别结果受到训练样本的规模以及均衡性的影响，也将导致识别结果的准确性降低。
为此，现急需提供一种图像识别方法。
发明内容
本发明提供一种图像识别方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。
本发明提供一种图像识别方法，包括：
获取待识别图像；
基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
根据本发明提供的一种图像识别方法，所述对所述基于图像识别算法，对所述待识别图像进行图像识别，包括：
基于语义分割算法，对所述待识别图像进行语义分割，得到语义分割结果；
基于所述图像识别算法，对所述语义分割结果进行图像识别。
根据本发明提供的一种图像识别方法，所述语义分割算法包括基于像素聚类的分割算法或基于图划分的分割算法，所述图像识别算法包括airtest框架中集成的图像识别算法。
根据本发明提供的一种图像识别方法，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，包括：
基于所述图像识别控制律，迭代进行所述图像识别过程，并逐步缩小图像识别结果与所述理想识别结果之间的误差，直至所述误差小于预设误差，将当前图像识别结果作为所述最终识别结果。
根据本发明提供的一种图像识别方法，所述图像识别控制律基于如下方法确定：
基于李雅普诺夫稳定性分析方法，对所述图像识别算法的图像识别原理进行分析，并基于得到的分析结果，构造李雅普诺夫函数；
基于李雅普诺夫第二法，确定所述图像识别控制律的表达式，并基于所述李雅普诺夫函数，确定所述表达式中的权重参数，得到所述图像识别控制律。
根据本发明提供的一种图像识别方法，所述待识别图像包括经济活动区域图像或企业生产状况图像。
根据本发明提供的一种图像识别方法，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，之后包括：
基于信贷标准，对所述最终识别结果进行信贷决策评估。
本发明还提供一种图像识别装置，包括：
图像获取模块，用于获取待识别图像；
识别控制模块，用于基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的图像识别方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的图像识别方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的图像识别方法。
本发明提供的图像识别方法、装置、电子设备及存储介质，首先获取待识别图像；然后基于图像识别算法，对待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果。采用的图像识别控制律基于李雅普诺夫稳定性分析方法，对图像识别算法进行分析确定，该图像识别控制律用于使最终识别结果趋向于理想识别结果。该方法引入反馈控制，既可以提高图像识别的抗干扰能力，使得到的最终识别结果更加准确，还可以提高图像的识别效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的图像识别方法的流程示意图；
图2是本发明提供的图像识别装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
由于现有技术中采用的主流图像识别技术通常为基于机器学习的图像识别方法，这需要在图像识别前期通过大量的训练样本进行复杂的训练过程得到图像识别模型，无法对待识别图像进行快速有效的识别。而且，识别结果受到训练样本的规模以及均衡性的影响，导致识别结果的可靠性和准确性降低。为此，本发明实施例中提供了一种图像识别方法。
图1为本发明实施例中提供了一种图像识别方法，包括：
S1，获取待识别图像；
S2，基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
具体地，本发明实施例中提供的一种图像识别方法，其执行主体为图像识别装置，该装置可以配置于服务器内，该服务器可以是本地服务器，也可以是云端服务器，本地服务器具体可以是计算机等，本发明实施例中对此不作具体限定。
首先执行步骤S1，获取待识别图像，该待识别图像可以任意领域的图像，例如可以是城市道路图像，也可以是包含有指定信息的图像，该指定信息可以是财务报表、人脸信息等，此处不作具体限定。
然后执行步骤S2，基于图像识别算法，对待识别图像进行图像识别，可以得到初始识别结果。该图像识别算法可以是开源的图像识别算法，例如可以是airtest框架中集成的图像识别算法，可以包括SURFMatching、TemplateMatching和BRISKMatching等，此处不作具体限定。
由于大多数场景中的物体多样且复杂，且同一类物体的不同场景中的颜色、形状、大小、姿态也不尽相同，因此为提高对待识别图像的识别准确性，在图像识别算法的基础上，可以引入反馈控制，并通过图像识别控制律，对图像识别过程进行反馈控制，进而得到最终识别结果，该最终识别结果相比于初始识别结果的准确性可以大大提高。同时，也可以提高图像识别算法对应用场景的适应性。
采用的图像识别控制律可以通过李雅普诺夫稳定性分析方法对图像识别算法进行分析确定。可以理解的是，李雅普诺夫稳定性分析方法是通过李雅普诺夫稳定性判据判断图像识别算法是否达到稳定状态，此时可以将图像识别算法看作是一个存在扰动的系统，该扰动是使图像识别算法得到的初始图像识别结果与最终识别结果之间存在差异的影响因素。当系统达到稳定状态时，图像识别算法也达到稳定状态，得到的识别结果与最终识别结果之间的差异在可以接受的范围。
李雅普诺夫稳定性判据可以包括主判据和辅助判据，设系统的状态方程为：
若存在一个具有连续一阶导数的李雅普诺夫函数V(x)，V(x)为标量函数。则主判据是V(x)满足如下条件1)-2)时系统在平衡状态xe＝0是渐进稳定的；在满足1)-3)时系统在平衡状态xe＝0是大范围渐进稳定的：
1)V(x)是正定的；
2)
是负定的；
3)若‖x‖→∞，有V(x)→∞。
辅助判据是V(x)满足如下条件4)-6)时系统在平衡状态xe＝0是渐进稳定的：在满足4)-7)时系统在平衡状态xe＝0是大范围渐进稳定的：
4)V(x)是正定的；
5)
是半负定的；
6)对于任意初始状态x(t0)≠0，在t≥t0，除x＝0时，有
外，
不恒等于零；
7)若‖x‖→∞，有V(x)→∞。
本发明实施例中，可以先将图像识别算法看作是一个扰动方程，确定图像识别算法的输入和输出之间的表达式，然后根据该表达式构建图像识别算法对应的状态方程，并通过李雅普诺夫稳定性判据找到满足上述条件的李雅普诺夫函数V(x)，使图像识别算法与李雅普诺夫函数之间建立联系，进而通过该李雅普诺夫函数V(x)，确定能够用于进行反馈控制的图像识别控制律。
通过该图像识别控制律可以指示最终识别结果趋向于理想识别结果，该理想识别结果可以是给定的图像识别的目标。最终识别结果趋向于理想识别结果，是指最终识别结果趋向于图像识别的目标，如此可以提高图像识别的精确度。
该图像识别控制律可以是图像识别算法的可调参数与识别结果的误差之间的关联关系，进而通过识别结果的误差对可调参数进行调节，以更新图像识别算法，最终使得输出的最终识别结果与理想结果之间的误差在预设范围内。可以理解的是，识别结果的误差是指识别结果与理想识别结果之间的差值。
本发明实施例中提供的图像识别方法，首先获取待识别图像；然后基于图像识别算法，对待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果。采用的图像识别控制律基于李雅普诺夫稳定性分析方法，对图像识别算法进行分析确定，该图像识别控制律用于使最终识别结果趋向于理想识别结果。该方法引入反馈控制，既可以提高图像识别的抗干扰能力，使得到的最终识别结果更加准确，还可以提高图像的识别效率。
在上述实施例的基础上，本发明实施例中提供的图像识别方法，所述对所述基于图像识别算法，对所述待识别图像进行图像识别，包括：
基于语义分割算法，对所述待识别图像进行语义分割，得到语义分割结果；
基于所述图像识别算法，对所述语义分割结果进行图像识别。
具体地，本发明实施例中，在对待识别图像进行图像识别时，可以先通过语义分割算法，对待识别图像进行语义分割，得到语义分割结果。该语义分割算法可以是开源的语义分割算法，例如可以是基于像素聚类的分割算法或基于图划分的分割算法，此处不作具体限定。
语义分割结果可以包括待识别图像中不同语义信息对应的区域，进而可以根据图像识别算法，借助于语义分割结果对应的语义信息，实现图像识别，可以进一步提高图像识别的效率以及准确性。
在上述实施例的基础上，本发明实施例中提供的图像识别方法，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，包括：
基于所述图像识别控制律，迭代进行所述图像识别过程，并逐步缩小图像识别结果与所述理想识别结果之间的误差，直至所述误差小于预设误差，将当前图像识别结果作为所述最终识别结果。
具体地，本发明实施例中，在对图像识别过程进行反馈控制时，可以根据图像识别控制律，迭代进行图像识别过程，即每次图像识别过程均是通过前次的识别结果与理想识别结果之间的误差对图像识别算法中的可调参数进行调节以缩小该误差得到的图像识别算法实现的。
当某一次的图像识别过程得到的图像识别结果与理想识别结果之间的误差小于预设误差，则将当前图像识别结果作为最终识别结果。其中，预设误差可以根据需要进行设置，此处不作具体限定。
在上述实施例的基础上，本发明实施例中提供的图像识别方法，所述图像识别控制律基于如下方法确定：
基于李雅普诺夫稳定性分析方法，对所述图像识别算法的图像识别原理进行分析，并基于得到的分析结果，构造李雅普诺夫函数；
基于李雅普诺夫第二法，确定所述图像识别控制律的表达式，并基于所述李雅普诺夫函数，确定所述表达式中的权重参数，得到所述图像识别控制律。
具体地，本发明实施例中，在构建图像识别控制律时，可以先根据李雅普诺夫稳定性分析方法，对图像识别算法的图像识别原理进行分析。即可以图像识别算法的图像识别原理，确定图像识别算法的输入和输出之间的表达式，然后根据该表达式构建图像识别算法对应的状态方程，并通过李雅普诺夫稳定性判据构造李雅普诺夫函数V(x)。
然后，结合李雅普诺夫第二法，确定图像识别控制律的表达式。李雅普诺夫第二法是借助于李雅普诺夫函数V(x)及
的符号性质来直接推断系统稳定性的方法。因此，在确定的图像识别控制律的表达式中存在未知的权重参数。根据李雅普诺夫函数，即可确定该权重参数，进而可以得到图像识别控制律的表达式，即得到了图像识别控制律。
例如，李雅普诺夫函数可以是：
其中，x表示待识别图像中第x个像素点，P表示待识别图像中所有像素点的集合，ek(x)为第x个像素点的图像识别结果与理想识别结果之间的误差。
图像识别控制律的表达式可以表示为：
C＝αek(x)
其中，α为权重参数。
本发明实施例中，通过构造的李雅普诺夫函数，结合李雅普诺夫第二法，得到图像识别控制律，可以使对图像识别过程的控制更加精准，进而提高图像识别结果的准确性。
在上述实施例的基础上，本发明实施例中提供的图像识别方法，所述待识别图像包括经济活动区域图像或企业生产状况图像。
具体地，本发明实施例中，待识别图像可以包括经济活动区域图像或企业生产状况图像。经济活动区域图像是指经济活动区域对应的图像，用于表征经济活动区域的分布信息。经济活动区域可以是农村涉及经济活动的区域，例如可以是想要与银行发生信贷关系的用户用以使银行信任其具有还款能力或符合信贷要求的区域。
企业生产状况图像是指企业生产现场对应的图像，用于表征企业的生产状况。该企业可以是想要与银行发生信贷关系的主体，该企业生产现场则是使银行信任企业具有还款能力或符合信贷要求的场景。
也就是说，本发明实施例中提供的图像识别方法，可以应用于银行信贷的初期信贷资格的评估，为工作人员提供实地图像，减少工作人员线下实地考察的工作量，提高信贷效率并降低成本。
在上述实施例的基础上，本发明实施例中提供的图像识别方法，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，之后包括：
基于信贷标准，对所述最终识别结果进行信贷决策评估。
具体地，本发明实施例中，在得到待识别图像对应的最终识别结果之后，还可以根据信贷标准，对最终识别结果进行信贷决策评估。该信贷标准可以根据各银行对信贷资格的要求进行确定，此处不再赘述。此处，可以将信贷标准与最终识别结果进行比对，以判断最终识别结果是否能够满足信贷标准，如果满足，则可以认为该待识别图像对应的信贷申请方符合银行的信贷要求，进而可以确定信贷决策为可以通过该信贷请求方的信贷请求。否则，如果不满足，则可以认为该待识别图像对应的信贷申请方不符合银行的信贷要求，进而可以确定信贷决策为不能通过该信贷请求方的信贷请求。
特别地，如果信贷标准为多个，则需要最终识别结果同时满足所有的信贷标准，才能确定信贷决策为可以通过该信贷请求方的信贷请求。若最终识别结果不满足其中一个或多个信贷标准，则确定信贷决策为无法通过该信贷请求方的信贷请求。
本发明实施例中，给出了通过信贷标准进行信贷决策评估的方案，可以完全摆脱工作人员的线下考察工作，并可以直接给出信贷决策，以供工作人员参考，进一步减少了工作人员的工作量。
如图2所示，在上述实施例的基础上，本发明实施例中提供了一种图像识别装置，包括：
图像获取模块21，用于获取待识别图像；
识别控制模块22，用于基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，所述识别控制模块，具体用于：
基于语义分割算法，对所述待识别图像进行语义分割，得到语义分割结果；
基于所述图像识别算法，对所述语义分割结果进行图像识别。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，所述语义分割算法包括基于像素聚类的分割算法或基于图划分的分割算法，所述图像识别算法包括airtest框架中集成的图像识别算法。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，所述识别控制模块，还具体用于：
基于所述图像识别控制律，迭代进行所述图像识别过程，并逐步缩小图像识别结果与所述理想识别结果之间的误差，直至所述误差小于预设误差，将当前图像识别结果作为所述最终识别结果。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，还包括控制律确定模块，用于：
基于李雅普诺夫稳定性分析方法，对所述图像识别算法的图像识别原理进行分析，并基于得到的分析结果，构造李雅普诺夫函数；
基于李雅普诺夫第二法，确定所述图像识别控制律的表达式，并基于所述李雅普诺夫函数，确定所述表达式中的权重参数，得到所述图像识别控制律。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，所述待识别图像包括经济活动区域图像或企业生产状况图像。
在上述实施例的基础上，本发明实施例中提供的图像识别装置，还包括决策评估模块，用于：
基于信贷标准，对所述最终识别结果进行信贷决策评估。
具体地，本发明实施例中提供的图像识别装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的，实现的效果也是一致的，具体参见上述实施例，本发明实施例中对此不再赘述。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(Processor)310、通信接口(Communications Interface)320、存储器(Memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行上述各实施例中提供的图像识别方法，该方法包括：获取待识别图像；基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例中提供的图像识别方法，该方法包括：获取待识别图像；基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例中提供的图像识别方法，该方法包括：获取待识别图像；基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图像识别方法，其特征在于，包括：
获取待识别图像；
基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
2.根据权利要求1所述的图像识别方法，其特征在于，所述对所述基于图像识别算法，对所述待识别图像进行图像识别，包括：
基于语义分割算法，对所述待识别图像进行语义分割，得到语义分割结果；
基于所述图像识别算法，对所述语义分割结果进行图像识别。
3.根据权利要求2所述的图像识别方法，其特征在于，所述语义分割算法包括基于像素聚类的分割算法或基于图划分的分割算法，所述图像识别算法包括airtest框架中集成的图像识别算法。
4.根据权利要求1-3中任一项所述的图像识别方法，其特征在于，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，包括：
基于所述图像识别控制律，迭代进行所述图像识别过程，并逐步缩小图像识别结果与所述理想识别结果之间的误差，直至所述误差小于预设误差，将当前图像识别结果作为所述最终识别结果。
5.根据权利要求1-3中任一项所述的图像识别方法，其特征在于，所述图像识别控制律基于如下方法确定：
基于李雅普诺夫稳定性分析方法，对所述图像识别算法的图像识别原理进行分析，并基于得到的分析结果，构造李雅普诺夫函数；
基于李雅普诺夫第二法，确定所述图像识别控制律的表达式，并基于所述李雅普诺夫函数，确定所述表达式中的权重参数，得到所述图像识别控制律。
6.根据权利要求1-3中任一项所述的图像识别方法，其特征在于，所述待识别图像包括经济活动区域图像或企业生产状况图像。
7.根据权利要求6所述的图像识别方法，其特征在于，所述基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果，之后包括：
基于信贷标准，对所述最终识别结果进行信贷决策评估。
8.一种图像识别装置，其特征在于，包括：
图像获取模块，用于获取待识别图像；
识别控制模块，用于基于图像识别算法，对所述待识别图像进行图像识别，并基于图像识别控制律，对图像识别过程进行反馈控制，得到最终识别结果；
其中，所述图像识别控制律基于李雅普诺夫稳定性分析方法，对所述图像识别算法进行分析确定，所述图像识别控制律用于使所述最终识别结果趋向于理想识别结果。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的图像识别方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的图像识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210605575.0A CN115115832A (zh) | 2022-05-30 | 2022-05-30 | 图像识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210605575.0A CN115115832A (zh) | 2022-05-30 | 2022-05-30 | 图像识别方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115115832A true CN115115832A (zh) | 2022-09-27 |
Family
ID=83325741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210605575.0A Pending CN115115832A (zh) | 2022-05-30 | 2022-05-30 | 图像识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115115832A (zh) |
-
2022
- 2022-05-30 CN CN202210605575.0A patent/CN115115832A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11487995B2 (en) | Method and apparatus for determining image quality | |
| WO2020139743A1 (en) | Computer-executed method and apparatus for assessing vehicle damage | |
| TW201947463A (zh) | 模型測試的方法及裝置 | |
| CN109815988B (zh) | 模型生成方法、分类方法、装置及计算机可读存储介质 | |
| CN110738247A (zh) | 一种基于选择性稀疏采样的细粒度图像分类方法 | |
| CN114971433B (zh) | 基于工业互联网的质量管控方法、装置、设备及存储介质 | |
| CN113468317A (zh) | 一种简历筛选方法、系统、设备和存储介质 | |
| CN105468161A (zh) | 指令执行方法和装置 | |
| CN110493221A (zh) | 一种基于聚簇轮廓的网络异常检测方法 | |
| CN113420792A (zh) | 图像模型的训练方法、电子设备、路侧设备及云控平台 | |
| CA3166079A1 (en) | A processing method, device and electronic device for a question-and-answer statement | |
| CN111653268A (zh) | 一种购物仓的人机语音交互系统及方法 | |
| CN115810133A (zh) | 基于图像处理和点云处理的焊接控制方法及相关设备 | |
| CN111488501A (zh) | 一种基于云平台的电商统计系统 | |
| CN117475253A (zh) | 一种模型训练方法、装置、电子设备及存储介质 | |
| CN115439700B (zh) | 一种图像处理方法、装置和机器可读存储介质 | |
| CN112241705A (zh) | 基于分类回归的目标检测模型训练方法和目标检测方法 | |
| CN115115832A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN111158918A (zh) | 支撑点并行枚举负载均衡方法、装置、设备及介质 | |
| CN115457365A (zh) | 一种模型的解释方法、装置、电子设备及存储介质 | |
| CN115375965A (zh) | 一种目标场景识别的预处理方法、目标场景识别方法 | |
| CN112758106B (zh) | 一种车辆运行轨迹预测方法及装置 | |
| CN114627330A (zh) | 时序流量预测方法及装置、存储介质及电子设备 | |
| CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
| CN113901648A (zh) | 一种编制零件工艺规程的方法及装置 |
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 |