The present application provides an image recognition method and a cloud system. The method includes: obtaining an image to be identified, identifying the identified image by a preset deep neural network, and obtaining a recognition result of the identified image; the preset depth neural network is trained by a division section. The application of this application is to train DNN by stages and use the trained DNN to realize image recognition. It avoids the inadequacy of the cumbersome sampling link in the training process of the existing complex image classification system and the complexity of the optimal super parameter selection, and improves the accuracy and robustness of the cloud system recognition.
【技术实现步骤摘要】
图像识别方法及云端系统
本申请涉及图像识别
,特别涉及图像识别方法及云端系统。
技术介绍
现有基于深度神经网络(DNN:DeepNeuralNetwork)的图像分类系统的工作流程具体为,对图像进行预处理,利用DNN特征提取网络对预处理后的图像进行图像特征向量的提取,以及利用分类器对图像特征向量进行分类,得到图像的分类结果。其中,DNN训练过程为,对图像样本进行预处理,利用DNN特征提取网络对预处理后的图像样本进行图像特征向量的提取,根据提取的图像特征向量和图像标签,利用前向传导算法和损失函数计算损失值,并利用后向传导算法对DNN各层参数进行优化。在实际应用中,基于DNN的复杂图像分类(例如,人脸识别)系统也得到了广泛的应用,以人脸识别系统为例,基于现有线性分类器(例如,Softmax分类器)和交叉熵定义的损失函数无法保证人脸特征的可区分性,需要通过与已知人脸特征库中的特征进行相似性比对以实现对人脸的识别。现有的解决方案为,人脸识别系统通过各种新的损失函数得到区分度高的人脸特征,具体为,在图像样本训练过程中,根据一种或者联合多种损失函数利用后向传播算法实现对DNN的优化。现有人脸识别系统在训练过程中存在以下问题:1)现有人脸识别系统的训练目标为获取用于划分类别的超平面,但忽略了类别内部特征向量的聚集性,以及类别间特征向量的可区分性,因此,现有人脸识别系统的分类准确性和鲁棒性较差;2)现有人脸识别系统训练过程中的采样环节过于繁琐,例如,在训练过程中需要对图像样本进行精细的选取以达到更优的系统性能;3)现有人脸识别系统训练过程中采用的最优超参数由于无法遍 ...
【技术保护点】
1.一种图像识别方法,其特征在于,包括:获取待识别图像;利用预设的深度神经网络识别所述待识别图像,得到所述待识别图像的识别结果;所述预设的深度神经网络是通过分阶段训练得到的。
【技术特征摘要】
1.一种图像识别方法,其特征在于,包括:获取待识别图像;利用预设的深度神经网络识别所述待识别图像,得到所述待识别图像的识别结果;所述预设的深度神经网络是通过分阶段训练得到的。2.如权利要求1所述的方法,其特征在于,所述预设的深度神经网络包括训练好的特征提取网络和分类器,所述预设的深度神经网络的分阶段训练,包括:对初始化的特征提取网络和分类器进行第一阶段训练,得到第一特征提取网络和训练好的分类器;对所述第一特征提取网络进行第二阶段训练,得到训练好的特征提取网络。3.如权利要求2所述的方法,其特征在于,所述第二阶段训练的训练目标为,图像样本的特征向量xi与其对应的图像类别的类中心向量Wj间的夹角的余弦值大于等于预设值,所述夹角的余弦值cosθi为:4.如权利要求2所述的方法,其特征在于,所述对所述第一特征提取网络进行第二阶段训练,得到训练好的特征提取网络,包括:利用预设的损失函数对所述第一特征提取网络进行训练,得到训练好的特征提取网络;所述预设的损失函数Lj的计算公式为,其中,Wj为图像样本的特征向量xi(i=1,…,n)对应的图像类别的类中心向量,所述预设的损失函数的类中心向量与第一阶段训练中的损失函数的类中心向量相同。5.一种图像识别云端系统,其特征在于,包括:接口设备,用于获取待识别图像;深度神经网络,用于利用预设的深度神经网络识别所述待识别图像,得到所述待识别图像的识别结果;以及所述预设的深度神经网络是通过分阶段训练得到的。6.如权利要求5所述的云端系统,其特征在于,还包括训练器,所...
【专利技术属性】
技术研发人员:李少华,刘兆祥,廉士国,
申请(专利权)人:达闼科技北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。