[發明專利]圖像識別方法

有效

• 申請號: 201911059779.3
• 申請日: 2019-10-29
• 公開（公告）號: CN112733585B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 張淵;謝迪;浦世亮
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06V20/60
• 分類號: G06V20/60;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 李珂珂

本公開公開了一種圖像識別方法，涉及神經網絡技術領域；所述方法包括：獲取待處理的第一神經網絡模型，第一神經網絡模型中包括多個第一卷積層，每個第一卷積層中包括K×K的第一卷積核，所述K為大于1的整數；根據稀疏化因子，對第一神經網絡模型中的第一卷積核進行輕量化處理，得到第二神經網絡模型，第二神經網絡模型中包括多個第二卷積層，每個第二卷積層中包括K×K及M×M組合的第二卷積核，M為小于K的正整數；當進行圖像識別時，通過所述第二神經網絡模型，對待識別的目標圖像進行識別。由于第二神經網絡模型為輕量化的網絡模型，因此，通過第二神經網絡模型，對待識別的目標圖像進行識別時，能夠提高識別效率。

技術領域

本公開涉及神經網絡技術領域。特別涉及一種圖像識別方法。

背景技術

目前，卷積神經網絡已在目標檢測、行為識別和人臉識別等方面得到了很好的應用。通過卷積神經網絡可以訓練出各種識別模型，通過不同的識別模型可以進行不同的識別操作。例如，可以通過卷積神經網絡訓練出圖像識別模型，通過該圖像識別模型，從圖像中識別出目標對象。

相關技術中，由于卷積神經網絡的網絡規模不斷增大，卷積神經網絡的層數可以達到數百層，因此，訓練出來的圖像識別模型非常龐大，通過該圖像識別模型進行目標對象的識別時的效率低。

發明內容

本公開實施例提供了一種圖像識別方法，能夠解決圖像識別效率低的問題。

所述技術方案如下：

一方面，本公開實施例提供了一種圖像識別方法，所述方法包括：

獲取待處理的第一神經網絡模型，所述第一神經網絡模型中包括多個第一卷積層，每個第一卷積層中包括K×K的第一卷積核，所述K為大于1的整數；

根據稀疏化因子，對所述第一神經網絡模型中的第一卷積核進行輕量化處理，得到第二神經網絡模型，所述第二神經網絡模型中包括多個第二卷積層，每個第二卷積層中包括K×K及M×M組合的第二卷積核，所述M為小于K的正整數；

當進行圖像識別時，通過所述第二神經網絡模型，對待識別的目標圖像進行識別。

在一種可能的實現方式中，所述通過所述第二神經網絡模型，對待識別的目標圖像進行識別，包括：

將所述第二神經網絡模型加載到計算機設備上，所述計算機設備用于采集所述目標圖像，所述第二神經網絡模型用于基于所述目標圖像進行目標檢測、動作識別或者目標跟蹤中的一種或多種操作。

在另一種可能的實現方式中，所述將所述第二神經網絡模型加載到計算機設備之前，所述方法還包括：

獲取多個樣本圖像；

基于所述多個樣本圖像，對所述第二神經網絡模型進行訓練，得到圖像識別模型；

所述將所述第二神經網絡模型加載到計算機設備上，包括：

將所述圖像識別模型加載到所述計算機設備上，所述圖像識別模型用于基于所述目標圖像進行目標檢測、動作識別或者目標跟蹤中的一種或多種操作。

在另一種可能的實現方式中，所述圖像識別模型還用于從所述目標圖像中識別出目標對象，所述目標對象包括人臉、人體、地形、動物、車輛和材料中的至少一個。

在另一種可能的實現方式中，所述根據稀疏化因子，對所述第一神經網絡模型中的第一卷積核進行輕量化處理，得到第二神經網絡模型，包括：

對于每個第一卷積層中的第一卷積核，根據第一稀疏化因子，對包括C×K×K的所述第一卷積核在輸入通道方向上進行輕量化處理，得到第二卷積核；

根據所述第一神經網絡模型中的輸入層和輸出層和所述第二卷積核對應的第二卷積層，生成所述第二神經網絡模型；