CN117593610A - 图像识别网络训练及部署、识别方法、装置、设备及介质 - Google Patents
图像识别网络训练及部署、识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117593610A CN117593610A CN202410069784.7A CN202410069784A CN117593610A CN 117593610 A CN117593610 A CN 117593610A CN 202410069784 A CN202410069784 A CN 202410069784A CN 117593610 A CN117593610 A CN 117593610A
- Authority
- CN
- China
- Prior art keywords
- image
- image recognition
- recognition network
- training
- layer
- 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 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 238000010606 normalization Methods 0.000 claims abstract description 27
- 210000002569 neuron Anatomy 0.000 claims abstract description 24
- 230000004913 activation Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000011176 pooling Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种图像识别网络训练及部署、识别方法、装置、设备及介质,包括:获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;基于所述训练集训练图像识别网络,所述图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。该方法通过构建图像识别网络并利用获取的训练集训练图像识别网络,解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种图像识别网络训练及部署、识别方法、装置、设备及介质。
背景技术
在识别二维和三维图像或视频时,三维图像或视频左右不同部分的视差是主要依据。通常可以将图像分割成左右两部分或者更多部分,通过比较各部分的相似度来区分,例如采用直方图、哈希算法、特征匹配算法等从多个角度来计算各部分图像的相似度,相似度超过一定阈值则判断为三维图像或视频,否则判断为二维图像或视频。然而,很多图像并非左右两边完全相似的,存在不同的差别,如画面有偏移、亮度有区别等,影响了相似度判别算法的准确性;并且相关阈值的设置也对识别结果有关键作用,如果相关阈值的设置比较模糊,则难以准确区分二维或三维图像或视频。
发明内容
本公开实施例提供了一种图像识别网络训练及部署、识别方法、装置、设备及介质,解决了难以准确区分二维图像和三维图像的问题,提高了二维图像和三维图像的识别准确率。
第一方面,提供了一种图像识别网络训练方法,包括:
获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;
基于所述训练集训练图像识别网络,所述图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
第二方面,提供了一种图像识别网络部署方法,包括:
将训练得到的图像识别网络转化为设定格式;
将所述设定格式的图像识别网络以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;
其中,所述图像识别网络基于上述第一方面所述的图像识别网络训练方法训练得到。
第三方面,提供了一种图像识别方法,包括:
获取待识别图像;
将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果;
其中,所述图像识别结果包括所述待识别图像为二维图像或者三维图像;所述图像识别网络基于如第一方面所述的图像识别网络训练方法训练得到。
第四方面,提供了一种图像识别网络训练装置,包括:
获取模块,用于获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;
训练模块,用于基于所述训练集训练图像识别网络,所述图像识别网络包括、四个采样层、两个批量规范化层四个卷积层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
第五方面,提供了一种图像识别网络部署装置,包括:
格式转化模块,用于将经过训练的图像识别网络模型转化为设定格式;
部署模块,用于将所述设定格式的图像识别网络模型以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;
其中,所述图像识别网络基于上述第一方面所述的图像识别网络训练方法训练得到。
第六方面,提供了一种图像识别装置,包括:
获取模块,用于获取待识别图像;
识别模块,用于将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果,所述图像识别结果包括所述待识别图像为二维图像或者三维图像,所述图像识别网络基于上述第一方面所述的图像识别网络训练方法训练得到。
第七方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及;
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面提供的图像识别网络训练方法或如上述第二方面提供的图像识别网络部署方法或如上述第三方面提供的图像识别方法。
第八方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使控制器执行时实现本公开实施例上述第一方面提供的图像识别网络训练方法或如上述第二方面提供的图像识别网络部署方法或如上述第三方面提供的图像识别方法。
本公开实施例提供了一种图像识别网络训练及部署、识别方法、装置、设备及介质,包括:获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;基于所述训练集训练图像识别网络,所述图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。该方法通过构建图像识别网络并利用获取的训练集训练图像识别网络,解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开实施例的关键或重要特征,也不用于限制本公开实施例的范围。本公开实施例的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开实施例的一些实施例,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是本公开实施例一提供的一种图像识别网络训练方法的流程图;
图2是本公开实施例二提供的一种图像识别网络部署方法的流程图;
图3是本公开实施例三提供的一种图像识别方法的流程图;
图4是本公开实施例四提供的一种图像识别网络训练装置的结构示意图;
图5是本公开实施例五提供的一种图像识别网络部署装置的结构示意图;
图6是本公开实施例六提供的一种图像识别装置的结构示意图;
图7给出了用来实施本公开实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开实施例的方案,下面将结合本公开实施例中的附图,对本公开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公开部分的实施例,而不是全部的实施例。基于本公开实施例中的实施例,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,都应当属于本公开实施例保护的范围。
需要说明的是,本开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本公开实施例一提供的一种图像识别网络训练方法的流程图,本实施例可适用于对图像识别网络进行训练的情况,该方法可以由图像识别网络训练装置来执行,该图像识别网络训练装置可以采用硬件和/或软件的形式实现,该图像识别网络训练装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取训练集,训练集包括样本图像和对应的标签,样本图像包括多张二维图像和多张三维图像,标签用于表示对应的样本图像为二维图像或三维图像。
在本实施例中,首先可以获取训练集,训练集可以是用来训练识别网络的数据,训练集中可以包括样本图像和对应的标签,其中,样本图像可以包括多张二维图像和多张三维图像,对应的标签可以用于表示对应的样本图像为二维图像或三维图像。
S120、基于训练集训练图像识别网络,图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
可以知道的是,利用训练集可训练图像识别网络,以对图像识别网络的网络参数进行调整和优化,从而得到性能较优的图像识别网络。本实施例中,图像识别网络结合卷积神经网络LeNet-5和Alex Net进行设计,具体的,图像识别网络可以包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃,设定概率可以是预先设定神经元的丢弃概率,设定概率可以有效防止过拟合,提高网络性能。
可选的,图像识别网络包括:输入层,用于输入待识别图像;第一卷积层,所述第一卷积层包括三个卷积核;第一采样层,用于采用最大池化操作处理所述第一卷积层提取的特征;第二卷积层,所述第二卷积层包括六个卷积核;第二采样层,用于采用最大池化操作处理所述第二卷积层提取的特征;第三卷积层,所述第三卷积层包括十六个卷积核;第三采样层,用于采用最大池化操作处理所述第三卷积层提取的特征;第一批量规范化层,用于对所述第三采样层的输出进行归一化约束后输入至第四卷积层;第四卷积层,所述卷积层包括三十二个卷积核;第四采样层,用于采用最大池化操作处理所述第四卷积层提取的特征;第二批量规范化层,用于对所述第四采样层的输出进行归一化约束后输入至全连接层;第一全连接层,包括第一数量的神经元的全层进行连接,各所述神经元按照设定概率被丢弃;第二全连接层,包括第二数量的神经元,所述第二数量小于所述第一数量;输出层,用于输出所述待识别图像的图像识别结果。
其中,所述输入层和所述第一卷积层之间、所述第一卷积层和所述第一采样层之间、所述二卷积层和所述第二采样之间、所述第三卷积层和所述第三采样层之间、所述第四卷积层和所述第四采样层之间、所述第一全连接层和所述第二全连接层之间采用线性整流激活函数。
本实施例提供了一种图像识别网络训练方法,该方法包括:获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;基于所述训练集训练图像识别网络,所述图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。该方法通过构建图像识别网络并利用获取的训练集训练图像识别网络,解决了难以区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
可选的,获取训练集,包括:
a1)获取二维视频和三维视频,分别从所述二维视频和所述三维视频截取画面帧并保存至相应的文件夹之中。
示例性的,训练集可以是网络公开视频库或者本地获取的二维视频或者三维视频,并可以对视频取画面帧进行保存,分别将二维视频和三维视频截取的画面帧保存在二维和三维的文件夹中,并对相关的图片进行整理,对图片中重复出现的进行删除。
b1)对截取的画面帧依次进行以下预处理:通过水平变换或垂直变化进行图像增广、通过滤波算法进行图像增强、转换为灰度图像、裁剪为设定尺寸以及对像素值进行归一化和标准化。
具体的,可以对截取的画面帧进行预处理操作,其中,预处理可以是在训练前为了便于对数据的分析而对数据进行的统一处理。预处理可以包括通过水平变换或垂直变化进行图像增广、通过滤波算法进行图像增强、转换为灰度图像、裁剪为设定尺寸以及对像素值进行归一化和标准化。
示例性的,预处理操作可以包括将图像进行图像增广,通过水平垂直的一些镜像变换,降低模型对某些特征的依赖,从而提高模型的泛化能力;还可以进行图像增强,增加中值滤波,保护图像边界;将图像数据转换为灰度图像,将图像进行剪裁,统一图像高度和宽度。
接上述描述,预处理操作还可以包括对图像进行归一化,因为像素灰阶值的范围为[0,255],统一将像素灰阶值除以255,以浮点数形式保存;然后再对图像进行标准化处理:
其中,x为归一化的像素灰阶值,mean是归一化的像素灰阶均值,adjust_std =max(std, 1.0 / sqrt(N)),sqrt(N)表示取N的平方根。在处理统一图像时,上限为0以防止除以0,std为归一化的像素灰阶方差。
c1)将预处理后的画面帧作为样本图像并添加对应的标签。
具体的,可以将预处理后的画面帧根据图片类型打上对应的标签,如:二维图像对应标签为0,三维图像对应标签为1。
d1)将所述样本图像和对应的标签划分为训练集和测试集。
示例性的,将75%的样本图像和对应的标签分为训练集,25%的样本图像和对应的标签分为测试集。
可选的,所述样本图像中的部分二维图像和部分三维图像带有水印。在此基础上,利用样本图像训练图像识别网络,可使得图像识别网络具备准确识别带有水印的二维图像或三维图像的能力,进一步提高对各种图像或视频的识别能力。
作为本实施例的一种可选实施例,基于所述训练集训练图像识别网络,包括:
对所述图像识别网络进行至少一轮训练过程,所述训练过程包括:
a2)将所述训练集拆分为多个子训练集。
b2)对于各所述子训练集,基于自适应运动估计算法采用二元交叉熵损失函数训练所述图像识别网络。
在本实施例中,将训练集拆分为多个子训练集后,可以基于自适应运动估计算法优化算法(Adam optimization algorithm,Adam优化算法),使用二元交叉熵损失函数(Binary Crossentropy Function)训练图像识别网络。
其中,Adam优化算法将动量算法(Momentum)和均方根传递算法(Root MeanSquare prop,RMS prop)结合在一起,是一种在深度学习模型中用来代替随机梯度下降的优化算法。二元交叉熵损失函数可以用来衡量预测值与实际值之间的差距。
c2)在训练过程中,所述图像识别网络卷积核和全连接层的权重基于反向传播算法更新。
具体的,可以通过反向传播算法更新卷积核和全连接层的权重参数。
作为本实施例的另一种可选实施例,基于所述训练集训练图像识别网络,包括:
a3)随机打乱所述训练集并基于所述训练集对所述图像识别网络进行第一轮训练。
可以知道的是,随机打乱训练集,并基于打乱的训练集对图像识别网络进行第一轮训练。通过随机打乱训练集,可以消除数据集中的这些顺序和模式,使得数据更加随机和均匀地分布。
b3)再次随机打乱所述训练集,在所述训练集中加入指定数量的样本图像及对应的标签,和/或删除部分样本图像以及对应的标签,以更新所述训练集。
示例性的,再次重新打乱数据样本,并随机加入和删除少量样本图像及对应的标签,划分出新的训练集和测试集。
c3)基于更新后的训练集对所述图像识别网络进行第二轮训练。
在本实施例中,新的训练集和测试集划分完成后,可以基于新划分的训练集和测试集进行第二轮训练。
示例性的,可以在原有的模型基础上进行少量的补充训练(约50次左右),这样可以在一定程度上消除数据集中的顺序和模式,提高模型的泛化能力,从而更好地训练和评估模型。
本实施例还给出了一种结合卷积神经网络LeNet-5和Alex Net构建的图像识别网络,具体如下:
1、输入层:输入层(Input layer)接收大小为128×128的二维/三维图像,输入的图像为灰阶图,灰阶值(0-255)。但在之前的预处理过程中,对输入图像进行像素值进行归一化的处理,以加快训练速度和提高模型的准确性。
2、卷积层C1(Convolutional layer C1):卷积层C1包括3个卷积核,每个卷积核的大小为7×7,步长为1,填充为0。因此,每个卷积核会产生一个大小为122×122的特征图(输出通道数为3)。
3、采样层S2(Subsampling layer S2):采样层S2采用最大池化(max-pooling)操作,每个窗口的大小为2×2,步长为2。因此,每个池化操作会从4个相邻的特征图中选择最大值,产生一个大小为61×61的特征图(输出通道数为3)。这样可以减少特征图的大小,提高计算效率,并且对于轻微的位置变化可以保持一定的不变性。
4、卷积层C3(Convolutional layer C3):卷积层C3包括6个卷积核,每个卷积核的大小为7×7,步长为1,填充为0。因此,每个卷积核会产生一个大小为55×55的特征图(输出通道数为6)。
5、采样层S4(Subsampling layer S4):采样层S4采用最大池化操作,每个窗口的大小为2×2,步长为2。因此,每个池化操作会从每个2×2窗口中的4个值中选择最大值,产生一个大小为28×28的特征图(输出通道数为6)。
6、卷积层C5(Convolutional layer C5):卷积层C5包括16个卷积核,每个卷积核的大小为7×7,步长为1,填充为选择same。因此,每个卷积核会产生一个大小为28×28的特征图(输出通道数为16)。
7、采样层S6(Subsampling layer S6):采样层S4采用最大池化操作,每个窗口的大小为2×2,步长为2。因此,每个池化操作会从每个2×2窗口中的4个值中选择最大值,产生一个大小为14×14的特征图(输出通道数为32)。
8、批量规范化层B7(Batch Normalization layer B7):对S6输出的数据进行归一化约束,并将约束后的数据输入到卷积层C8之中。
9、卷积层C8(Convolutional layer C8):卷积层C8包括32个卷积核,每个卷积核的大小为7×7,步长为1,填充为选择same。因此,每个卷积核会产生一个大小为14×14的特征图(输出通道数为32)。
10、采样层S9(Subsampling layer S9):采样层S9采用最大池化操作,每个窗口的大小为2×2,步长为2。因此,每个池化操作会从每个2×2窗口中的4个值中选择最大值,产生一个大小为7×7的特征图(输出通道数为32)。
11、批量规范化层B10(Batch Normalization layer B10):可以对S9输出的数据进行归一化约束,并将约束后的数据输入到全连接层之中。
12、全连接层F11(Fully connected layer F11):C5将每个大小为7×7的特征图(共32张)拉成一个长度为7×7×32的向量,并通过一个带有120个神经元的全连接层F11进行连接,输出为1×120,其中,120是由LeNet-5的设计者根据实验得到的最佳值。
13、丢弃法D12(Dropout D12):每个神经元将会有0.2的概率被丢弃。
14、全连接层F13(Fully connected layer F13):全连接层F13将120个神经元连接到84个神经元,输出为1×84。
15、输出层(Output layer):由于是2分类问题,输出层可设为1,即,二维图像的值接近0,三维图像的值则接近1。
本实施例中构建的图像识别网络结合LeNet-5和Alex Net并加以改进,主要改进如下:
1)根据输入图片的尺寸大小,将卷积层设定为4层,大于LeNet-5的3层,小于Alex的5层。
2)将LeNet中的sigmoid激活函数改成了Alex Net中的更加简单的ReLU激活函数。
3)结合了Alex Net的丢弃法来控制全连接层的模型复杂度。
4)在数据预处理过程中,引入了图像增广,如翻转、颜色变化,从而进一步扩大数据集来缓解过拟合。
5)添加了Batch Normalization层,Batch Normalization层的作用:通过增加尺度变换和偏移,使得网络每一层可以进行独立的学习,缓解了网络训练过程中带来的梯度消失问题,在保留了原始输入数据分布信息的同时也保证了网络的收敛速度。
本实施例基于深度学习的判别方法,通过建立训练图库对大量的二维图片或者三维图片进行分类训练,并且设计图像识别网络,其能够自主的对数据建立特征工程,通过训练,图像识别网络在训练集和测试集上都有良好的表现,能够准确识别二维图像和三维图像,并且在训练集引入部分带有水印的图像后,还解决了水印图片难以识别的问题。此外,该图像识别网络可以部署至移动端中,使得移动端可对二维图像和三维图像进行实时识别,图像识别网络的应用更广泛和便捷。
实施例二
图2为本公开实施例二提供的一种图像识别网络部署方法。本实施例可适用于对图像识别网络进行部署的情况,该方法可以由图像识别网络部署装置来执行,该图像识别网络部署装置可以采用硬件和/或软件的形式实现,该图像识别网络部署装置可配置于电子设备中。如图2所示,该方法包括:
S210、将训练得到的图像识别网络转化为设定格式。
在本实施例中,图像识别网路训练完成后,可以将得到的图像识别网络转换为设定格式,其中,设定格式可以是图像识别网络的保存格式。
可选的,将训练得到的图像识别网络转化为设定格式,包括:
将训练得到的图像识别网络保存为层次数据格式版本H5格式,并通过人工神经网络库转化为model.json格式。
其中,H5文件是层次数据格式第5代的版本(Hierarchical Data Format,HDF5),是用于存储科学数据的一种文件格式和库文件。
示例性的,将得到的图像识别网络转换为H5格式,并通过人工神经网络库转化为model.json的格式。
S220、将设定格式的图像识别网络以及相关模块部署至安卓项目中,相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;其中,图像识别网络基于本公开实施例的图像识别网络训练方法训练得到。
在本实施例中,通过本公开实施例的图像识别网络训练方法训练得到图像识别网络后,将图像识别网络转化为设定格式,将设定格式的图像识别网络以及起相关模块部署至安卓项目中,其中,相关模块可以包括矩阵计算库(Eigen3)、使用人工神经网络库模型的标头库(Fdeep)、函数编程库(fplus,FunctionalPlus)、开源计算机视觉库(Opencv)以及对象转换库(nlohmann)。其中,Eigen3的作用是提供一个高性能、易于使用、跨平台的矩阵计算库;Fdeep可使用Keras/Python构建并训练神经网络模型,可在C++中运行预测(前向传递),可以通过调用Keras生成的神经网络模型,用Opencv或图像处理工具包(Python ImageLibrary,PIL)读取图片进行预测;fplus可用于增加代码的间接性和可维护性;nlohmann库可以实现将JSON数据与C++对象相互转换的功能,支持常见的JSON数据类型如对象、数字和字符串等。
示例性的,将图像识别网络及相关模块(如:Eigen3,Fdeep,flus,nlohmann)通过Fdeep转化为可读取的形式,并且将输入的图片改写成张量的形式,将张量输入图像识别网络进行预测,并通过Fdeep进行结果输出,输出结果为浮点型。将Fdeep模块中相关函数的数据类型等进行修改以适应于安卓环境,最后通过图像识别网络部署可以在移动端随机的抽取视频分析是二维还是三维。
可选的,将所述设定格式的图像识别网络模型以及相关模块部署至安卓项目中,包括:
a4)将所述设定格式的图像识别网络模型保存至安卓项目的原生目录下。
示例性的,可以将model.json保存的图像识别网络模型保存到assets目录下方便本地调用。
b4)将所述矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库保存至所述安卓项目的布局文件中。
示例性的,Eigen3,Fdeep,flus,nlohmann及Opencv模块统一放置到include文件下。
本公开实施例的技术方案首先将训练得到的图像识别网络转化为设定格式;将所述设定格式的图像识别网络以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;其中,所述图像识别网络基于本公开任意实施例所述的图像识别网络训练方法训练得到。本技术方案解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
实施例三
图3为本公开实施例三提供的一种图像识别方法。本实施例可适用于对图像进行识别的情况,该方法可以由图像识别装置来执行,该图像识别装置可以采用硬件和/或软件的形式实现,该图像识别装置可配置于电子设备中。如图3所示,该方法包括:
S310、获取待识别图像。
在本实施例中,可以首先获取待识别图像,其中,待识别图像可以是还未经过识别的图像。
S320、将待识别图像输入至经过训练的图像识别网络,得到图像识别结果;其中,图像识别结果包括待识别图像为二维图像或者三维图像;图像识别网络基于本公开任意实施例的图像识别网络训练方法训练得到。
具体的,待识别图像获取到后,将获取的待识别图像输入至训练得到的图像识别网络中,可以得到图像的识别结果,其中,所述图像识别结果包括所述待识别图像为二维图像或者三维图像。
本实施例提供了一种图像识别方法,包括:获取待识别图像,将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果;其中,所述图像识别结果包括所述待识别图像为二维图像或者三维图像;所述图像识别网络基于本公开任意实施例所述的图像识别网络训练方法训练得到。本技术方案解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
实施例四
图4为本公开实施例四提供的一种图像识别网络训练装置的结构示意图。如图4所示,该装置包括:获取模块410、训练模块420。
其中,获取模块410,用于获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;
训练模块420,用于基于所述训练集训练图像识别网络,所述图像识别网络包括、四个采样层、两个批量规范化层四个卷积层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
本公开实施例四提供了一种图像识别网络训练装置,解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
进一步的,获取模块,可以包括:
获取二维视频和三维视频,分别从所述二维视频和所述三维视频截取画面帧并保存至相应的文件夹之中;
对截取的画面帧依次进行以下预处理:通过水平变换或垂直变化进行图像增广、通过滤波算法进行图像增强、转换为灰度图像、裁剪为设定尺寸以及对像素值进行归一化和标准化;
将预处理后的画面帧作为样本图像并添加对应的标签;
将所述样本图像和对应的标签划分为训练集和测试集。
可选的,所述图像识别网络包括:
输入层,用于输入待识别图像;
第一卷积层,所述第一卷积层包括三个卷积核;
第一采样层,用于采用最大池化操作处理所述第一卷积层提取的特征;
第二卷积层,所述第二卷积层包括六个卷积核;
第二采样层,用于采用最大池化操作处理所述第二卷积层提取的特征;
第三卷积层,所述第三卷积层包括十六个卷积核;
第三采样层,用于采用最大池化操作处理所述第三卷积层提取的特征;
第一批量规范化层,用于对所述第三采样层的输出进行归一化约束后输入至第四卷积层;
第四卷积层,所述卷积层包括三十二个卷积核;
第四采样层,用于采用最大池化操作处理所述第四卷积层提取的特征;
第二批量规范化层,用于对所述第四采样层的输出进行归一化约束后输入至全连接层;
第一全连接层,包括第一数量的神经元的全层进行连接,各所述神经元按照设定概率被丢弃;
第二全连接层,包括第二数量的神经元,所述第二数量小于所述第一数量;
输出层,用于输出所述待识别图像的图像识别结果。
可选的,所述输入层和所述第一卷积层之间、所述第一卷积层和所述第一采样层之间、所述二卷积层和所述第二采样之间、所述第三卷积层和所述第三采样层之间、所述第四卷积层和所述第四采样层之间、所述第一全连接层和所述第二全连接层之间采用线性整流激活函数。
进一步的,训练模块,可以用于:
对所述图像识别网络进行至少一轮训练过程,所述训练过程包括:
将所述训练集拆分为多个子训练集;
对于各所述子训练集,基于自适应运动估计算法采用二元交叉熵损失函数训练所述图像识别网络;
在训练过程中,所述图像识别网络卷积核和全连接层的权重基于反向传播算法更新。
进一步的,训练模块,还可以用于:
随机打乱所述训练集并基于所述训练集对所述图像识别网络进行第一轮训练;
再次随机打乱所述训练集,在所述训练集中加入指定数量的样本图像及对应的标签,和/或删除部分样本图像以及对应的标签,以更新所述训练集;
基于更新后的训练集对所述图像识别网络进行第二轮训练。
可选的,所述样本图像中的部分二维图像和部分三维图像带有水印。
本公开实施例所提供的图像识别网络训练装置可执行本公开实施例任意实施例所提供的图像识别网络训练方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本公开实施例五提供的一种图像识别网络部署装置的结构示意图。如图5所示,该装置包括:格式转化模块510、部署模块520。
其中,格式转化模块510,用于将经过训练的图像识别网络模型转化为设定格式;
部署模块520,用于将所述设定格式的图像识别网络模型以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;
其中,所述图像识别网络基于如上所述的图像识别网络训练方法训练得到。
本公开实施例五提供了一种图像识别网络部署装置,解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
进一步的,格式转化模块还可以包括:
将训练得到的图像识别网络保存为层次数据格式版本H5格式,并通过人工神经网络库转化为model.json格式。
可选的,部署模块,可以包括:
将所述设定格式的图像识别网络模型保存至安卓项目的原生目录下;
将所述矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库保存至所述安卓项目的布局文件中。
本公开实施例所提供的图像识别网络部署装置可执行本公开实施例任意实施例所提供的图像识别网络部署方法,具备执行方法相应的功能模块和有益效果。
实施例六
图6为本公开实施例六提供的一种图像识别装置的结构示意图。如图6所示,该装置包括:图像获取模块610、识别模块620。
其中,图像获取模块610,用于获取待识别图像;
识别模块620,用于将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果,所述图像识别结果包括所述待识别图像为二维图像或者三维图像,所述图像识别网络基于如上所述的图像识别网络训练方法训练得到。
本公开实施例六提供了一种图像识别装置,解决了难以准确区分二维图像和三维图像的问题,提高了识别二维图像和三维图像的准确性。
本公开实施例所提供的图像识别装置可执行本公开实施例任意实施例所提供的图像识方法,具备执行方法相应的功能模块和有益效果。
实施例七
图7示出了可以用来实施本公开实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,头戴智能设备、个人计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开实施例的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微处理器等。处理器11执行上文所描述的各个方法和处理,例如图像识别网络训练方法、图像识别网络部署方法、图像识别方法。
在一些实施例中,图像识别网络训练方法、图像识别网络部署方法、图像识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的图像识别网络训练方法、图像识别网络部署方法、图像识别方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像识别网络训练方法、图像识别网络部署方法、图像识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开实施例的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开实施例的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,OLED(有机发光显示器)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开实施例中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开实施例的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开实施例保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开实施例的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开实施例保护范围之内。
Claims (16)
1.一种图像识别网络训练方法,其特征在于,包括:
获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;
基于所述训练集训练图像识别网络,所述图像识别网络包括四个卷积层、四个采样层、两个批量规范化层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
2.根据权利要求1所述的方法,其特征在于,获取训练集,包括:
获取二维视频和三维视频,分别从所述二维视频和所述三维视频截取画面帧并保存至相应的文件夹之中;
对截取的画面帧依次进行以下预处理:通过水平变换或垂直变化进行图像增广、通过滤波算法进行图像增强、转换为灰度图像、裁剪为设定尺寸以及对像素值进行归一化和标准化;
将预处理后的画面帧作为样本图像并添加对应的标签;
将所述样本图像和对应的标签划分为训练集和测试集。
3.根据权利要求1所述的方法,其特征在于,所述图像识别网络包括:
输入层,用于输入待识别图像;
第一卷积层,所述第一卷积层包括三个卷积核;
第一采样层,用于采用最大池化操作处理所述第一卷积层提取的特征;
第二卷积层,所述第二卷积层包括六个卷积核;
第二采样层,用于采用最大池化操作处理所述第二卷积层提取的特征;
第三卷积层,所述第三卷积层包括十六个卷积核;
第三采样层,用于采用最大池化操作处理所述第三卷积层提取的特征;
第一批量规范化层,用于对所述第三采样层的输出进行归一化约束后输入至第四卷积层;
第四卷积层,所述卷积层包括三十二个卷积核;
第四采样层,用于采用最大池化操作处理所述第四卷积层提取的特征;
第二批量规范化层,用于对所述第四采样层的输出进行归一化约束后输入至全连接层;
第一全连接层,包括第一数量的神经元的全层进行连接,各所述神经元按照设定概率被丢弃;
第二全连接层,包括第二数量的神经元,所述第二数量小于所述第一数量;
输出层,用于输出所述待识别图像的图像识别结果。
4.根据权利要求3所述的方法,其特征在于,所述输入层和所述第一卷积层之间、所述第一卷积层和所述第一采样层之间、所述二卷积层和所述第二采样之间、所述第三卷积层和所述第三采样层之间、所述第四卷积层和所述第四采样层之间、所述第一全连接层和所述第二全连接层之间采用线性整流激活函数。
5.根据权利要求1所述的方法,其特征在于,基于所述训练集训练图像识别网络,包括:
对所述图像识别网络进行至少一轮训练过程,所述训练过程包括:
将所述训练集拆分为多个子训练集;
对于各所述子训练集,基于自适应运动估计算法采用二元交叉熵损失函数训练所述图像识别网络;
在训练过程中,所述图像识别网络卷积核和全连接层的权重基于反向传播算法更新。
6.根据权利要求1所述的方法,其特征在于,基于所述训练集训练图像识别网络,包括:
随机打乱所述训练集并基于所述训练集对所述图像识别网络进行第一轮训练;
再次随机打乱所述训练集,在所述训练集中加入指定数量的样本图像及对应的标签,和/或删除部分样本图像以及对应的标签,以更新所述训练集;
基于更新后的训练集对所述图像识别网络进行第二轮训练。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述样本图像中的部分二维图像和部分三维图像带有水印。
8.一种图像识别网络部署方法,其特征在于,包括:
将训练得到的图像识别网络转化为设定格式;
将所述设定格式的图像识别网络以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;
其中,所述图像识别网络基于如权利要求1-7任一项所述的图像识别网络训练方法训练得到。
9.根据权利要求8所述的方法,其特征在于,将训练得到的图像识别网络转化为设定格式,包括:
将训练得到的图像识别网络保存为层次数据格式版本H5格式,并通过人工神经网络库转化为model.json格式。
10.根据权利要求8所述的方法,其特征在于,将所述设定格式的图像识别网络模型以及相关模块部署至安卓项目中,包括:
将所述设定格式的图像识别网络模型保存至安卓项目的原生目录下;
将所述矩阵计算库、使用人工神经网络库模型的标头库 、函数编程库 、开源计算机视觉库以及对象转换库保存至所述安卓项目的布局文件中。
11.一种图像识别方法,其特征在于,包括:
获取待识别图像;
将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果;
其中,所述图像识别结果包括所述待识别图像为二维图像或者三维图像;所述图像识别网络基于如权利要求1-7任一项所述的图像识别网络训练方法训练得到。
12.一种图像识别网络训练装置,其特征在于,包括:
获取模块,用于获取训练集,所述训练集包括样本图像和对应的标签,所述样本图像包括多张二维图像和多张三维图像,所述标签用于表示对应的样本图像为二维图像或三维图像;
训练模块,用于基于所述训练集训练图像识别网络,所述图像识别网络包括、四个采样层、两个批量规范化层四个卷积层以及两个全连接层并采用线性整流激活函数,其中,所述全连接层中的第一全连接层对应的神经元按照设定概率被丢弃。
13.一种图像识别网络部署装置,其特征在于,包括:
格式转化模块,用于将经过训练的图像识别网络模型转化为设定格式;
部署模块,用于将所述设定格式的图像识别网络模型以及相关模块部署至安卓项目中,所述相关模块包括矩阵计算库、使用人工神经网络库模型的标头库、函数编程库、开源计算机视觉库以及对象转换库;
其中,所述图像识别网络基于如权利要求1-7任一项所述的图像识别网络训练方法训练得到。
14.一种图像识别装置,其特征在于,包括:
图像获取模块,用于获取待识别图像;
识别模块,用于将所述待识别图像输入至经过训练的图像识别网络,得到图像识别结果,所述图像识别结果包括所述待识别图像为二维图像或者三维图像,所述图像识别网络基于如权利要求1-7任一项所述的图像识别网络训练方法训练得到。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-7中任一所述的图像识别网络训练方法或如权利要求8-10中任一所述的图像识别网络部署方法或如权利要求11所述的图像识别方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的图像识别网络训练方法或如权利要求8-10中任一所述的图像识别网络部署方法或如权利要求11所述的图像识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410069784.7A CN117593610B (zh) | 2024-01-17 | 2024-01-17 | 图像识别网络训练及部署、识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410069784.7A CN117593610B (zh) | 2024-01-17 | 2024-01-17 | 图像识别网络训练及部署、识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117593610A true CN117593610A (zh) | 2024-02-23 |
CN117593610B CN117593610B (zh) | 2024-04-26 |
Family
ID=89915375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410069784.7A Active CN117593610B (zh) | 2024-01-17 | 2024-01-17 | 图像识别网络训练及部署、识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117593610B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170046616A1 (en) * | 2015-08-15 | 2017-02-16 | Salesforce.Com, Inc. | Three-dimensional (3d) convolution with 3d batch normalization |
CN109460787A (zh) * | 2018-10-26 | 2019-03-12 | 北京交通大学 | 入侵检测模型建立方法、装置及数据处理设备 |
US20190080455A1 (en) * | 2017-09-12 | 2019-03-14 | Beihang University | Method and device for three-dimensional feature-embedded image object component-level semantic segmentation |
CN111490853A (zh) * | 2020-04-15 | 2020-08-04 | 成都海擎科技有限公司 | 一种基于深度卷积神经网络的信道编码参数识别方法 |
US20210034913A1 (en) * | 2018-05-23 | 2021-02-04 | Beijing Sensetime Technology Development Co., Ltd. | Method and device for image processing, and computer storage medium |
CN112613581A (zh) * | 2020-12-31 | 2021-04-06 | 广州大学华软软件学院 | 一种图像识别方法、系统、计算机设备和存储介质 |
CN112633195A (zh) * | 2020-12-28 | 2021-04-09 | 杭州电子科技大学 | 一种基于频域特征与深度学习的心肌梗塞识别分类方法 |
WO2021115159A1 (zh) * | 2019-12-09 | 2021-06-17 | 中兴通讯股份有限公司 | 文字识别网络模型训练方法、文字识别方法、装置、终端及其计算机存储介质 |
CN113012252A (zh) * | 2021-03-24 | 2021-06-22 | 苏州深透智能科技有限公司 | 一种spect成像预测模型创建方法、装置、设备及存储介质 |
CN114820435A (zh) * | 2022-03-09 | 2022-07-29 | 台州学院 | 基于改进AlexNet的辣椒叶片病害检测方法 |
WO2023184350A1 (zh) * | 2022-03-31 | 2023-10-05 | 华南理工大学 | 火灾视频图像识别方法、系统、计算机设备及存储介质 |
CN117197559A (zh) * | 2023-09-06 | 2023-12-08 | 郑州大学 | 基于深度学习的猪肉分类模型、构建方法、电子设备和计算机可读介质 |
CN117333856A (zh) * | 2023-10-23 | 2024-01-02 | 江苏科技大学 | 基于深度学习的高维和混合维度轨道角动量识别与重构方法 |
-
2024
- 2024-01-17 CN CN202410069784.7A patent/CN117593610B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170046616A1 (en) * | 2015-08-15 | 2017-02-16 | Salesforce.Com, Inc. | Three-dimensional (3d) convolution with 3d batch normalization |
US20190080455A1 (en) * | 2017-09-12 | 2019-03-14 | Beihang University | Method and device for three-dimensional feature-embedded image object component-level semantic segmentation |
US20210034913A1 (en) * | 2018-05-23 | 2021-02-04 | Beijing Sensetime Technology Development Co., Ltd. | Method and device for image processing, and computer storage medium |
CN109460787A (zh) * | 2018-10-26 | 2019-03-12 | 北京交通大学 | 入侵检测模型建立方法、装置及数据处理设备 |
WO2021115159A1 (zh) * | 2019-12-09 | 2021-06-17 | 中兴通讯股份有限公司 | 文字识别网络模型训练方法、文字识别方法、装置、终端及其计算机存储介质 |
CN111490853A (zh) * | 2020-04-15 | 2020-08-04 | 成都海擎科技有限公司 | 一种基于深度卷积神经网络的信道编码参数识别方法 |
CN112633195A (zh) * | 2020-12-28 | 2021-04-09 | 杭州电子科技大学 | 一种基于频域特征与深度学习的心肌梗塞识别分类方法 |
CN112613581A (zh) * | 2020-12-31 | 2021-04-06 | 广州大学华软软件学院 | 一种图像识别方法、系统、计算机设备和存储介质 |
CN113012252A (zh) * | 2021-03-24 | 2021-06-22 | 苏州深透智能科技有限公司 | 一种spect成像预测模型创建方法、装置、设备及存储介质 |
CN114820435A (zh) * | 2022-03-09 | 2022-07-29 | 台州学院 | 基于改进AlexNet的辣椒叶片病害检测方法 |
WO2023184350A1 (zh) * | 2022-03-31 | 2023-10-05 | 华南理工大学 | 火灾视频图像识别方法、系统、计算机设备及存储介质 |
CN117197559A (zh) * | 2023-09-06 | 2023-12-08 | 郑州大学 | 基于深度学习的猪肉分类模型、构建方法、电子设备和计算机可读介质 |
CN117333856A (zh) * | 2023-10-23 | 2024-01-02 | 江苏科技大学 | 基于深度学习的高维和混合维度轨道角动量识别与重构方法 |
Non-Patent Citations (4)
Title |
---|
刘嘉政等: "基于深度学习的5种树皮纹理图像识别研究", 北京林业大学学报, vol. 41, no. 04, 15 April 2019 (2019-04-15), pages 146 - 154 * |
潘博等: "基于二维图像的三维服装重建", 纺织学报, vol. 41, no. 04, 15 April 2020 (2020-04-15), pages 123 - 128 * |
王晓辰: "基于深度学习的视网膜静脉阻塞炫彩图像分类研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, no. 01, 15 January 2024 (2024-01-15), pages 073 - 123 * |
陈英义等: "基于FTVGG16卷积神经网络的鱼类识别方法", 农业机械学报, vol. 50, no. 05, 28 February 2019 (2019-02-28), pages 223 - 231 * |
Also Published As
Publication number | Publication date |
---|---|
CN117593610B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584248B (zh) | 基于特征融合和稠密连接网络的红外面目标实例分割方法 | |
US11657602B2 (en) | Font identification from imagery | |
CN108280455B (zh) | 人体关键点检测方法和装置、电子设备、程序和介质 | |
CN112651438A (zh) | 多类别图像的分类方法、装置、终端设备和存储介质 | |
CN109002755B (zh) | 基于人脸图像的年龄估计模型构建方法及估计方法 | |
CN110569844B (zh) | 基于深度学习的船舶识别方法及系统 | |
CN110222718B (zh) | 图像处理的方法及装置 | |
CN110046574A (zh) | 基于深度学习的安全帽佩戴识别方法及设备 | |
CN109740539B (zh) | 基于超限学习机和融合卷积网络的3d物体识别方法 | |
CN110807362A (zh) | 一种图像检测方法、装置和计算机可读存储介质 | |
CN111833360B (zh) | 一种图像处理方法、装置、设备以及计算机可读存储介质 | |
CN113011253B (zh) | 基于ResNeXt网络的人脸表情识别方法、装置、设备及存储介质 | |
CN110211127A (zh) | 基于双相关性网络的图像分割方法 | |
CN114693624A (zh) | 一种图像检测方法、装置、设备及可读存储介质 | |
CN115082667A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN110610131B (zh) | 人脸运动单元的检测方法、装置、电子设备及存储介质 | |
CN112598013A (zh) | 基于神经网络的计算机视觉处理方法 | |
CN114140844A (zh) | 人脸静默活体检测方法、装置、电子设备及存储介质 | |
CN110991454A (zh) | 一种叶片图像识别方法、装置、电子设备及存储介质 | |
CN114913339A (zh) | 特征图提取模型的训练方法和装置 | |
WO2021179822A1 (zh) | 人体特征点的检测方法、装置、电子设备以及存储介质 | |
CN111476226B (zh) | 一种文本定位方法、装置及模型训练方法 | |
CN110738213B (zh) | 一种包括周边环境的图像识别方法及装置 | |
CN112434576A (zh) | 一种基于深度相机的人脸识别方法及系统 | |
CN117593610B (zh) | 图像识别网络训练及部署、识别方法、装置、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 |