基于深度学习的图像识别方法、装置和计算机设备制造方法及图纸

本申请提出一种基于深度学习的图像识别方法、装置和计算机设备，其中，上述基于深度学习的图像识别方法包括：对待学习的图像数据进行图像预处理；利用深度学习引擎对处理后的图像数据进行训练，获得至少两个深度学习模型；从训练获得的深度学习模型中，按照在验证集合上的识别精度由高到低的顺序选择预定数量的深度学习模型；将选择的深度学习模型提供给用户；获得所述用户选择的深度学习模型，并通过所述用户选择的深度学习模型对接收的图像数据进行识别。本申请可以实现提供一种深度学习框架的整体解决方案，方便用户获得深度学习模型，进而可以实现通过获得的深度学习模型对接收的图像数据进行识别，提高图像识别的精度，增强用户体验。

Image recognition methods, devices and computer equipment based on deep learning

The invention provides a recognition method based on deep learning, image device and computer equipment, wherein, the image recognition method based on deep learning includes: image preprocessing, image data to learn; the deep learning engine training on the processed image data, to obtain at least two deep learning model from training; the deep learning model, in accordance with the recognition accuracy verification on the set of the order from high to low selection of a predetermined number of deep learning model; the deep learning model selection is provided to the user; the user selected deep learning model, and through the user selection of deep learning model for recognition of image data receiving the. This application can provide a deep learning framework of the overall solution, is convenient for users to obtain deep learning model, which can be achieved by the deep learning to identify image data receiving model, improving the image recognition accuracy, enhance the user experience.

【技术实现步骤摘要】
基于深度学习的图像识别方法、装置和计算机设备
本申请涉及深度学习
，尤其涉及一种基于深度学习的图像识别方法、装置和计算机设备。
技术介绍
深度学习的概念源于人工神经网络的研究，深度学习是机器学习中一种基于对数据进行表征学习的方法，观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习作为一门理论和实践相结合的学科，在新的算法理论不断涌现的同时，各种深度学习框架也不断出现在人们视野。但是，现有相关技术中，深度学习框架主要提供了计算引擎部分的功能，提供的功能比较单一，用户体验较差。
技术实现思路
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的第一个目的在于提出一种基于深度学习的图像识别方法，以实现提供一种深度学习框架的整体解决方案，方便用户获得深度学习模型，进而可以实现通过获得的深度学习模型对接收的图像数据进行识别，提高图像识别的精度，增强用户体验。本申请的第二个目的在于提出一种基于深度学习的图像识别装置。本文档来自技高网...

【技术保护点】
一种基于深度学习的图像识别方法，其特征在于，包括：对待学习的图像数据进行图像预处理；利用深度学习引擎对处理后的图像数据进行训练，获得至少两个深度学习模型；从训练获得的深度学习模型中，按照在验证集合上的识别精度由高到低的顺序选择预定数量的深度学习模型，所述预定数量小于训练获得的深度学习模型的个数；将选择的深度学习模型提供给用户；获得所述用户选择的深度学习模型，并通过所述用户选择的深度学习模型对接收的图像数据进行识别。

【技术特征摘要】
1.一种基于深度学习的图像识别方法，其特征在于，包括：对待学习的图像数据进行图像预处理；利用深度学习引擎对处理后的图像数据进行训练，获得至少两个深度学习模型；从训练获得的深度学习模型中，按照在验证集合上的识别精度由高到低的顺序选择预定数量的深度学习模型，所述预定数量小于训练获得的深度学习模型的个数；将选择的深度学习模型提供给用户；获得所述用户选择的深度学习模型，并通过所述用户选择的深度学习模型对接收的图像数据进行识别。2.根据权利要求1所述的方法，其特征在于，所述对待学习的图像数据进行图像预处理包括：对所述待学习的图像数据进行以下操作之一或组合：随机裁剪、旋转、翻转、调整亮度和调整对比度。3.根据权利要求1或2所述的方法，其特征在于，所述对待学习的图像数据进行图像预处理之后，还包括：将处理后的图像数据存入预先建立的内存数据库。4.根据权利要求1所述的方法，其特征在于，还包括：在所述利用深度学习引擎对处理后的图像数据进行训练，获得深度学习模型的过程中，向用户推送训练过程的状态信息。5.根据权利要求1所述的方法，其特征在于，还包括：在所述利用深度学习引擎对处理后的图像数据进行训练，获得深度学习模型的过程中，使用网页应用程序编程接口，实时绘制当前训练的深度学习模型的性能曲线；展示绘制的性能曲线。6.一种基于深度学习的图像识别装置，其特征在于，包括：图像预处理模块，用于对待学习的图像数据进行图像预处理；训练模块，用于利用深度学习引擎对...

【专利技术属性】
技术研发人员：王闾威，李正龙，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11