[發明專利]一種圖像識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010614298.0
• 申請日: 2020-06-30
• 公開（公告）號: CN111783642B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 呂想想;施恩;謝永康
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/82;G06V40/10;G06V10/40;G06N3/0464
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 曹娜

1.一種圖像識別方法，包括：

加載第一圖像識別模型；

將待識別圖像輸入所述第一圖像識別模型；

利用所述第一圖像識別模型對所述待識別圖像進行預測，得到所述第一圖像識別模型的網絡層的輸出結果；

針對所述第一圖像識別模型的網絡層的輸出結果進行后處理，得到圖像識別結果。

2.根據權利要求1所述的方法，其中，所述加載第一圖像識別模型，包括：在第一芯片的神經網絡推理引擎NNIE上加載所述第一圖像識別模型。

3.根據權利要求1或2所述的方法，其中，所述針對所述進行第一圖像識別模型的網絡層的輸出結果進行后處理，包括：

對所述第一圖像識別模型的網絡層輸出的檢測框進行過濾，獲取置信度高于預設閾值的檢測框；

對所述置信度高于預設閾值的檢測框執行檢測框解碼和/或非極大抑制處理，得到所述圖像識別結果。

4.根據權利要求2所述的方法，其中，采用第一芯片的NNIE應用程序接口API執行所述加載、所述輸入及所述預測過程。

5.根據權利要求2所述的方法，所述加載第一圖像識別模型之前，還包括：

對初始圖像識別模型的模型框架進行轉換，得到所述第一圖像識別模型；

所述第一圖像識別模型的模型框架為所述第一芯片的NNIE支持的模型框架。

6.根據權利要求5所述的方法，其中，所述第一芯片的NNIE支持的模型框架包括：快速特征嵌入的卷積結構Caffe框架。

7.根據權利要求5所述的方法，還包括：

對所述第一圖像識別模型進行量化操作，減少所述第一圖像識別模型的參數的位數。

8.根據權利要求5所述的方法，還包括：

對所述第一圖像識別模型進行圖像輸入格式轉換，使所述第一圖像識別模型支持至少兩種圖像輸入格式。

9.一種圖像識別裝置，包括：

加載模塊，用于加載第一圖像識別模型；

輸入模塊，用于將待識別圖像輸入所述第一圖像識別模型；

預測模塊，用于利用所述第一圖像識別模型對所述待識別圖像進行預測，得到所述第一圖像識別模型的網絡層的輸出結果；

后處理模塊，用于針對所述第一圖像識別模型的網絡層的輸出結果進行后處理，得到圖像識別結果。

10.根據權利要求9所述的裝置，其中，所述加載模塊，用于在第一芯片的神經網絡推理引擎NNIE上加載所述第一圖像識別模型。

11.根據權利要求9或10所述的裝置，其中，所述后處理模塊包括：

過濾子模塊，用于對所述第一圖像識別模型的網絡層輸出的檢測框進行過濾，獲取置信度高于預設閾值的檢測框；

處理子模塊，用于對所述置信度高于預設閾值的檢測框執行檢測框解碼和/或非極大抑制處理，得到所述圖像識別結果。

12.根據權利要求10所述的裝置，其中，采用第一芯片的NNIE應用程序接口API執行所述加載、所述輸入及所述預測過程。

13.根據權利要求10所述的裝置，所述裝置還包括：

模型框架轉換模塊，用于對初始圖像識別模型的模型框架進行轉換，得到所述第一圖像識別模型；

所述第一圖像識別模型的模型框架為所述第一芯片的NNIE支持的模型框架。

14.根據權利要求13所述的裝置，其中，所述第一芯片的NNIE支持的模型框架包括：快速特征嵌入的卷積結構Caffe框架。