[發明專利]一種圖像識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010633895.8
• 申請日: 2020-07-02
• 公開（公告）號: CN111814865A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 徐軻
• 申請（專利權）人: 蘇州交馳人工智能研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種圖像識別方法、裝置、設備及存儲介質，該方法包括：獲取二維空間卷積單元和一維時序卷積單元，并根據所述二維空間卷積單元和所述一維時序卷積單元，構建三維卷積神經網絡模型；獲取訓練樣本集，并通過所述訓練樣本集，對所述三維卷積神經網絡模型進行圖像識別訓練，以獲取訓練完成的圖像識別模型；獲取目標視頻，并通過所述圖像識別模型，對所述目標視頻進行圖像識別操作。本發明實施例的技術方案，在充分利用目標空間信息和連續幀時間特性的基礎上，并未增加神經網絡模型的參數數量和運行時間，簡化了圖像特征的提取過程，提高了圖像特征的提取效率。

技術領域

本發明實施例涉及圖像識別技術領域，尤其涉及一種圖像識別方法、裝置、設備及存儲介質。

背景技術

隨著科技的不斷進步，神經網絡技術得到了迅速發展，被廣泛應用于圖像檢測、圖像分割和圖像分類等人工智能領域。

現有的圖像識別技術，通常是通過建立三維卷積神經網絡來提取特征圖，但現有技術中的三維卷積神經網絡，由于引入了時間維度，導致整個神經網絡的參數個數、運行時間，以及訓練所需圖形處理器(Graphics Processing Unit，GPU)內存均出現大幅增加，同時，需要構建大量的預訓練參數，耗費了大量的時間成本和人力成本。

發明內容

本發明實施例提供了一種圖像識別方法、裝置、設備及存儲介質。

第一方面，本發明實施例提供了一種圖像識別方法，包括：

獲取二維空間卷積單元和一維時序卷積單元，并根據所述二維空間卷積單元和所述一維時序卷積單元，構建三維卷積神經網絡模型；

獲取訓練樣本集，并通過所述訓練樣本集，對所述三維卷積神經網絡模型進行圖像識別訓練，以獲取訓練完成的圖像識別模型；

獲取目標視頻，并通過所述圖像識別模型，對所述目標視頻進行圖像識別操作。

第二方面，本發明實施例提供了一種圖像識別裝置，包括：

三維卷積神經網絡模型獲取模塊，用于獲取二維空間卷積單元和一維時序卷積單元，并根據所述二維空間卷積單元和所述一維時序卷積單元，構建三維卷積神經網絡模型；

圖像識別模型獲取模塊，用于獲取訓練樣本集，并通過所述訓練樣本集，對所述三維卷積神經網絡模型進行圖像識別訓練，以獲取訓練完成的圖像識別模型；

圖像識別執行模塊，用于獲取目標視頻，并通過所述圖像識別模型，對所述目標視頻進行圖像識別操作。

第三方面，本發明實施例還提供了一種圖像識別設備，該設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現本發明任意實施例所述的圖像識別方法。

第四方面，本發明實施例還提供了一種包含計算機可執行指令的存儲介質，計算機可執行指令在由計算機處理器執行時實現本發明任意實施例所述的圖像識別方法。

本發明實施例的技術方案，通過二維空間卷積單元和一維時序卷積單元，構建三維卷積神經網絡模型，并在訓練完成后用于圖像識別操作，在充分利用目標空間信息和連續幀時間特性的基礎上，并未增加神經網絡模型的參數數量和運行時間，簡化了圖像特征的提取過程，提高了圖像特征的提取效率，同時，使用現有的圖像識別數據庫中的訓練參數即可完成模型訓練，避免了手動構建預訓練參數的繁瑣過程，節省了大量的時間成本和人力成本。

附圖說明

圖1A是本發明實施例一提供的一種圖像識別方法的流程圖；