一种基于云平台的目标识别方法及系统技术方案

本发明专利技术实施例提供一种基于云平台的目标识别方法及系统，包括：获取待识别图像；在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体，所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。本发明专利技术实施例提供的一种基于云平台的目标识别方法及系统，在云平台上进行神经网络的训练和目标物体的识别，由于云计算具有低成本、高性能、通用性强、利用率高的特点，它的出现可以解决传统的目标识别方法成本较高的问题。

【技术实现步骤摘要】
一种基于云平台的目标识别方法及系统
本专利技术实施例涉及目标识别
，尤其涉及一种基于云平台的目标识别方法及系统。
技术介绍
随着物联网、工业互联网以及云计算的飞速发展，目标识别技术逐步向自动化、智能化的方向发展，其中视觉系统及图像处理技术的应用越来越广泛。然而，鉴于缝制工序的复杂性与多样性，导致对智能缝制系统的应用需求也逐渐多元化，随之而来的是海量的处理数据。视觉系统的数据处理核心即图像处理软件系统，其随着不同的应用需求而不断变化，总体呈现一种扩展态势。而现有技术中内嵌图像处理系统的智能相机无法不能满足多元化的需求，其具有以下不足：(1)单一的功能和羸弱图像处理能力，制约着整机系统的进一步发展；(2)基于单机的图像处理系统不便于应用软件部署及更新迭代，也不利于功能扩展与复用，且关联多个从机的复杂型系统的图像资源处理能力非常有限；(3)每个本地控制系统均需布置相应的图像处理软件系统，导致硬件成本较高，资源利用率低。
技术实现思路
本专利技术实施例提供一种基于云平台的目标识别方法及系统，用以解决现有技术中传统的目标识别方法成本过高的缺点。第一方面，本专利技术实施例提供一种基于云平台的目标识别方法方法，包括：获取待识别图像；在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体，所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。第二方面，本专利技术实施例提供一种基于云平台的目标识别系统，包括：获取模块，用于获取待识别图像和训练样本集；识别模块，用于在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体，所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。第三方面，本专利技术实施例提供一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的一种基于云平台的目标识别方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的一种基于云平台的目标识别方法。本专利技术实施例提供的一种基于云平台的目标识别方法及系统，在云平台上进行神经网络的训练和目标物体的识别，由于云计算具有低成本、高性能、通用性强、利用率高的特点，它的出现可以解决传统的目标识别方法成本较高的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一种基于云平台的目标识别方法的流程图；图2为本专利技术实施例提供一种基于云平台的目标识别系统的结构示意图；图3示例了一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例一种基于云平台的目标识别方法的流程图，如图1所示，该方法包括：S1，获取待识别图像；S2，在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体，所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。需要说明的是，顾名思义，云平台是一种平台，这种平台允许开发者们或是将写好的程序放在“云”里运行，或是使用“云”里提供的服务，或二者皆是。至于这种平台的名称，现在我们可以听到不止一种称呼，比如按需平台、平台即服务等等。但无论称呼它什么，这种新的支持应用的方式有着巨大的潜力。首先云平台接收客户端发送过来的待识别图像，待识别图像中包含有需要识别出来的目标物体。训练样本集可以是客户端发送给云平台的，也可以是云平台通过其它方式获取的，训练样本集中的每个训练样本都包含有目标物体，并且每个训练样本中的目标物体都已经被标定出来，也就是说目标物体在每张训练样本中的位置都是已知的。通过初始神经网络，对训练样本集中的每一幅训练样本进行训练，获得训练后的神经网络，然后通过获得的训练后的神经网络对待识别图像进行识别，获得待识别图像中目标物体的位置。本专利技术实施例提供的一种基于云平台的目标识别方法，在云平台上进行神经网络的训练和目标物体的识别，由于云计算具有低成本、高性能、通用性强、利用率高的特点，它的出现可以解决传统的目标识别方法成本较高的问题。在上述实施例的基础上，优选地，所述通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中所述目标物体，之后还包括：将识别后的待识别图像发送至所述客户端，以使得用户对所述待识别图像中识别出来的所述目标物体的范围进行调整。在识别出待识别图像中的目标物体之后，将待识别图像发送至客户端，此时发送给客户端的待识别图像中目标物体的位置已经被标注出来，如果待识别图像中标注出来的目标物体位置偏差较大，用户会对标注出目标物体位置进行调整，使得标注出目标物体的位置与待识别图像中目标物体的实际位置吻合。在上述实施例的基础上，优选地，还包括：将训练后的神经网络对测试样本集中的每一测试样本进行测试，获取平均测试误差。在对初始神经网络进行训练之后，得到训练后的神经网络，要看该训练后的神经网络是否合格，将训练后的神经网络对测试样本集中的每个测试样本进行测试，得到平均测试误差。在上述实施例的基础上，优选地，还包括：若所述平均测试误差在预设范围之内，则通过训练后的神经网络对所述待识别图像进行识别；若所述平均测试误差在所述预设范围之外，则通过所述训练样本集重新对所述初始神经网络经训练，重新获取训练后的神经网络。将该平均测试误差与预设范围进行比较，如果平均测试误差在预设范围之内，说明训练后的神经网络符合要求，可以用该训练后的神经网络对待识别图像进行识别。如果平均测试误差在预设范围之外，说明训练后的神经网络不符合要求，需要重新对初始神经网络进行训练，以使得训练后的神经网络符合要求。在上述实施例的基础上，优选地，所述初始神经网络为卷积神经网络。需要说明的是，卷积神经网络是一种前馈神经网络，人工神经元可以响应周围单元，可以进行大型图像处理。卷积神经网络包括卷积层和池化层。卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理；二维卷积神经网络常应用于图像类文本的识别；三维卷积神经网络主要应用于医学图像以及视频类数据识别。图2为本专利技术实施例提供一种基于云平台的目标识别系统的结构示意图，如图2所示，该系统包括获取模块201和识别模块202，其中：获取模块201用于获取待识别图像；识别模块203用于在云平台上通过训练后的神经网络对所述待识别图像进行识别，本文档来自技高网...

【技术保护点】
1.一种基于云平台的目标识别方法，其特征在于，包括：获取待识别图像；在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体；所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。

【技术特征摘要】
1.一种基于云平台的目标识别方法，其特征在于，包括：获取待识别图像；在云平台上通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中目标物体；所述训练后的神经网络通过初始神经网络对训练样本集进行训练后获得。2.根据权利要求1所述方法，其特征在于，所述通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中所述目标物体，之后还包括：将识别后的待识别图像发送至客户端，以使得用户对所述待识别图像中识别出来的所述目标物体的位置进行调整。3.根据权利要求1所述方法，其特征在于，所述通过训练后的神经网络对所述待识别图像进行识别，获取所述待识别图像中所述目标物体，之后还包括：将训练后的神经网络对测试样本集中的每一测试样本进行测试，获取平均测试误差。4.根据权利要求3所述方法，其特征在于，所述获取平均测试误差之后还包括：若所述平均测试误差在预设范围之内，则通过训练后的神经网络对所述待识别图像进行识别，若所述平均测试误差在所述预设范围之外，则通过所...

【专利技术属性】
技术研发人员：黄永祯，于仕琪，
申请(专利权)人：银河水滴科技北京有限公司，中科水滴科技深圳有限公司，
类型：发明
国别省市：北京,11