[發(fā)明專利]一種基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811280424.2
• 申請(qǐng)日: 2018-10-30
• 公開（公告）號(hào): CN109670524A
• 公開（公告）日: 2019-04-23
• 發(fā)明（設(shè)計(jì)）人: 黃永禎;于仕琪
• 申請(qǐng)（專利權(quán)）人: 銀河水滴科技（北京）有限公司;中科水滴科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

本發(fā)明實(shí)施例提供了一種基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法及系統(tǒng)，包括：從待識(shí)別圖像集合中獲取至少一張攜帶有標(biāo)注信息的待識(shí)別圖像；根據(jù)至少一張攜帶有標(biāo)注信息的待識(shí)別圖像所攜帶的標(biāo)注信息的類別以及歷史數(shù)據(jù)，從云平臺(tái)上的預(yù)設(shè)模型庫中獲取目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；利用目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)待識(shí)別圖像集合中未攜帶標(biāo)注信息的待識(shí)別圖像進(jìn)行識(shí)別。用戶在使用過程中只需上傳包含攜帶有標(biāo)注信息的待識(shí)別圖像的待識(shí)別圖像集合，云平臺(tái)即可智能推薦對(duì)應(yīng)的目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，完成對(duì)待識(shí)別圖像的識(shí)別，簡(jiǎn)單易行，且準(zhǔn)確率高。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及人工智能技術(shù)領(lǐng)域，更具體地，涉及一種基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法及系統(tǒng)。

背景技術(shù)

機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支。人工智能的研究是從以“推理”為重點(diǎn)到以“知識(shí)”為重點(diǎn)，再到以“學(xué)習(xí)”為重點(diǎn)，一條自然、清晰的脈絡(luò)。顯然，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一個(gè)途徑，即以機(jī)器學(xué)習(xí)為手段解決人工智能中的問題。機(jī)器學(xué)習(xí)在近30多年已發(fā)展為一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、計(jì)算復(fù)雜性理論等多門學(xué)科。機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動(dòng)“學(xué)習(xí)”的算法。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法。因?yàn)閷W(xué)習(xí)算法中涉及了大量的統(tǒng)計(jì)學(xué)理論，機(jī)器學(xué)習(xí)與推斷統(tǒng)計(jì)學(xué)聯(lián)系尤為密切，也被稱為統(tǒng)計(jì)學(xué)習(xí)理論。算法設(shè)計(jì)方面，機(jī)器學(xué)習(xí)理論關(guān)注可以實(shí)現(xiàn)的，行之有效的學(xué)習(xí)算法。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，深度學(xué)習(xí)的好處是用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取高效算法來替代手工獲取特征。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來解釋數(shù)據(jù)，其中，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別是近年來的熱門領(lǐng)域。

但是由于許多深度學(xué)習(xí)算法難度較大，涉及數(shù)學(xué)與計(jì)算機(jī)科學(xué)，在將神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識(shí)別時(shí)，往往需要具有較高素質(zhì)的專業(yè)人員進(jìn)行模型的開發(fā)設(shè)計(jì)，不利于推廣應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種克服上述問題或者至少部分地解決上述問題的基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法及系統(tǒng)。

第一方面本發(fā)明實(shí)施例提供了一種基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法，包括：

從待識(shí)別圖像集合中獲取至少一張攜帶有標(biāo)注信息的待識(shí)別圖像；

根據(jù)所述至少一張攜帶有標(biāo)注信息的待識(shí)別圖像所攜帶的標(biāo)注信息的類別以及歷史數(shù)據(jù)，從云平臺(tái)上的預(yù)設(shè)模型庫中獲取目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；其中，所述預(yù)設(shè)模型庫中存儲(chǔ)有多種標(biāo)注信息的類別和多種神經(jīng)網(wǎng)絡(luò)模型，每一種標(biāo)注信息的類別對(duì)應(yīng)至少兩種神經(jīng)網(wǎng)絡(luò)模型，且所述歷史數(shù)據(jù)包括每種神經(jīng)網(wǎng)絡(luò)模型的使用頻率；

利用所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待識(shí)別圖像集合中未攜帶標(biāo)注信息的待識(shí)別圖像進(jìn)行識(shí)別。

另一方面本發(fā)明實(shí)施例提供了一種基于云平臺(tái)和模型智能推薦的圖像識(shí)別系統(tǒng)，包括：

標(biāo)注信息圖像獲取模塊，用于從待識(shí)別圖像集合中獲取至少一張攜帶有標(biāo)注信息的待識(shí)別圖像；

目標(biāo)神經(jīng)網(wǎng)絡(luò)獲取模塊，用于根據(jù)所述至少一張攜帶有標(biāo)注信息的待識(shí)別圖像所攜帶的標(biāo)注信息的類別以及歷史數(shù)據(jù)，從云平臺(tái)上的預(yù)設(shè)模型庫中獲取目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；其中，所述預(yù)設(shè)模型庫中存儲(chǔ)有多種標(biāo)注信息的類別和多種神經(jīng)網(wǎng)絡(luò)模型，每一種標(biāo)注信息的類別對(duì)應(yīng)至少兩種神經(jīng)網(wǎng)絡(luò)模型，且所述歷史數(shù)據(jù)包括每種神經(jīng)網(wǎng)絡(luò)模型的使用頻率；

圖像識(shí)別模塊，用于利用所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待識(shí)別圖像集合中未標(biāo)注的待識(shí)別圖像進(jìn)行識(shí)別。

第三方面本發(fā)明實(shí)施例提供了包括處理器、通信接口、存儲(chǔ)器和總線，其中，處理器，通信接口，存儲(chǔ)器通過總線完成相互間的通信，處理器可以調(diào)用存儲(chǔ)器中的邏輯指令，以執(zhí)行第一方面提供的基于云平臺(tái)和模型智能推薦的圖像識(shí)別方法。