图片识别方法、目标设备及云平台技术

本发明专利技术实施例提供了一种图片识别方法、目标设备及云平台，图像识别方法包括获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；基于所述目标神经网络模型，对目标图片进行识别。通过目标设备即可实现对目标图片的识别，防止直接通过云平台进行识别得到的识别结果被篡改，提高了识别结果的准确性以及可靠性。

Image Recognition Method, Target Equipment and Cloud Platform

The embodiment of the present invention provides a method of image recognition, a target device and a cloud platform. The method of image recognition includes acquiring the structural parameters of the preset neural network model transmitted by the cloud platform, and taking the structural parameters of the preset neural network model as the structural parameters of the target neural network model to construct the target neural network model. Recognition of the target image. Target image recognition can be realized through target devices, which can prevent the recognition results obtained directly through cloud platform from being tampered with, and improve the accuracy and reliability of the recognition results.

【技术实现步骤摘要】
图片识别方法、目标设备及云平台
本专利技术实施例涉及人工智能
，更具体地，涉及图片识别方法、目标设备及云平台。
技术介绍
目前，在很多应用场景中，需要对图片进行识别，便于对图片进行管理以及掌握图片显示的信息。在图片较少的时候，可以人工手动地对图片进行识别。但是随着网络科技的发展，在网络场景下，通常需要对成千上万的图片进行识别，手动处理方式变得过于不切实际，因此，在网络场景中，如何智能地对图片进行识别变得尤为重要。现有的技术方案中，通过图片识别可以智能识别癌变细胞，通过图像采集模块采集已经目标设备处理、染色后的细胞样本图像，获取的图像通过网络通信模块上传至专家云平台，云平台端搭建的图像分析系统通过训练好的模型进行特征匹配与识别，如果无法识别，再通过医疗专家进行在线诊断；采用深度学习算法，图像预处理阶段对图片进行切割、随机镜像、幅度缩放以及去均值等处理；将预处理后的图像通过卷积神经网络进行前向传播计算，获得病变细胞的识别结果；设置识别概率阈值，若匹配概率低于识别阈值，前端会把染色后的细胞样本原始图片传送至专家云平台，并提供一定概率的病例参考信息。现有技术中，需要图像采集模块将采集到的图像上传至云平台实现对图片的识别，但是由于识别过程是通过云平台实现的，识别结果并不能被目标设备直接得到，这将大大降低识别结果的可靠性。
技术实现思路
为克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供了一种图片识别方法、目标设备及云平台。第一方面，本专利技术实施例提供了一种图片识别方法，包括：获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；基于所述目标神经网络模型，对目标图片进行识别。第二方面，本专利技术实施例提供了一种图片识别方法，包括：确定预设神经网络模型的结构参数；向目标设备发送所述预设神经网络模型的结构参数，以供所述目标设备将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建目标神经网络模型，并对目标图片进行识别。第三方面，本专利技术实施例提供了一种目标设备，包括：模型构建模块，用于获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；识别模块，用于基于所述目标神经网络模型，对目标图片进行识别。第四方面，本专利技术实施例提供了一种云平台，包括：结构参数确定模块，用于确定预设神经网络模型的结构参数；参数发送模块，用于向目标设备发送预设神经网络模型的结构参数，以供所述目标设备将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建目标神经网络模型，并对目标图片进行识别。第五方面，本专利技术实施例提供了一种电子设备，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，以执行如第一方面或第二方面所述的图片识别方法。第六方面，本专利技术实施例提供了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如第一方面或第二方面所述的图片识别方法。本专利技术实施例提供的一种图片识别方法、目标设备及云平台，图像识别方法包括获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；基于所述目标神经网络模型，对目标图片进行识别。通过目标设备即可实现对目标图片的识别，防止直接通过云平台进行识别得到的识别结果被篡改，提高了识别结果的准确性以及可靠性。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提供的一种图片识别方法的流程示意图；图2为本专利技术实施例提供的一种图片识别方法的流程示意图；图3为本专利技术实施例提供的一种目标设备的结构示意图；图4为本专利技术实施例提供的一种云平台的结构示意图；图5为本专利技术实施例提供的一种电子设备的结构示意图。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。在本专利技术实施例的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术实施例中的具体含义。如图1所示，本专利技术一实施例提供了一种图片识别方法，包括：S11，获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建目标神经网络模型；S12，基于所述目标神经网络模型，对目标图片进行识别。具体地，本专利技术实施例中，S11和S12的执行主体为目标设备，目标设备的作用是对目标图片进行识别，具体是通过目标设备构建的目标神经网络模型对目标图片进行识别。一般情况下，目标设备中至少包括一个摄像子设备，摄像子设备用于获取目标图片。目标设备在对目标图片进行识别时，需要云平台的参与，云平台的作用是为目标设备提供构建目标神经网络模型所需的模型的结构参数。首先目标设备需要获取云平台发送的预设神经网络模型的结构参数，并基于所述结构参数，构建目标神经网络模型，具体将获取到的预设神经网络模型的结构参数作为目标神经网络模型的结构参数。这里的预设神经网络模型是云平台上构建的一种网络模型，利用云平台上构建出的预设神经网络模型的结构参数，目标设备可构建出目标神经网络模型，并对目标图片进行识别。需要说明的是，本专利技术实施例中，由于预设神经网络模型和目标神经网络模型的结构参数相同，则预设神经网络模型和目标神经网络模型可视为完全相同的神经网络模型，仅仅是构建的主体不同以及承载的主体不同而已，预设神经网络模型是由云平台构建并承载在云平台上，目标神经网络模型是由目标设备构建并承载在目标设备上。目标神经网络模型的作用是对目标图片进行识别，目标神经网络模型将目标图片作为输入，目标本文档来自技高网...

【技术保护点】
1.一种图片识别方法，其特征在于，包括：获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；基于所述目标神经网络模型，对目标图片进行识别。

【技术特征摘要】
1.一种图片识别方法，其特征在于，包括：获取云平台发送的预设神经网络模型的结构参数，并将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建所述目标神经网络模型；基于所述目标神经网络模型，对目标图片进行识别。2.根据权利要求1所述的图片识别方法，其特征在于，在所述获取云平台发送的预设神经网络模型的结构参数之前，还包括：获取样本图片以及所述样本图片对应的标注信息；将所述样本图片以及所述样本图片对应的标注信息发送至所述云平台，以供所述云平台基于所述样本图片以及所述样本图片对应的标注信息，确定所述预设神经网络模型的结构参数。3.一种图片识别方法，其特征在于，包括：确定预设神经网络模型的结构参数；向目标设备发送所述预设神经网络模型的结构参数，以供所述目标设备将所述预设神经网络模型的结构参数作为目标神经网络模型的结构参数，构建目标神经网络模型，并对目标图片进行识别。4.根据权利要求3所述的图片识别方法，其特征在于，所述确定预设神经网络模型的结构参数，具体包括：获取所述目标设备发送的样本图片以及所述样本图片对应的标注信息；基于所述样本图片以及所述样本图片对应的标注信息，确定所述预设神经网络模型的结构参数。5.根据权利要求4所述的图片识别方法，其特征在于，所述基于所述样本图片以及所述样本图片对应的标注信息，确定所述预设神经网络模型的结构参数，具体包括：将所述样本图片作为输入，将所...

【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