图像识别方法、装置、服务器、终端及存储介质制造方法及图纸

本申请公开了一种图像识别方法、装置、服务器、终端及存储介质，该方法包括接收终端发送的携带目标图像的识别请求；利用第一神经网络模型对所述目标图像进行识别得到第一识别结果并将所述第一识别结果返回所述终端；接收所述终端发送的针对所述第一识别结果的用户反馈指令；根据所述反馈指令，利用第二神经网络模型对所述目标图像进行识别得到第二识别结果并将所述第二识别结果返回所述终端。该方法、装置、服务器、终端及存储介质兼顾了识别效率和识别精度，同时用户可以对识别结果进行一定的反馈，提高了图像识别过程中用户的互动性。

Image recognition methods, devices, servers, terminals and storage media

【技术实现步骤摘要】
图像识别方法、装置、服务器、终端及存储介质
本申请涉及计算机应用
，尤其涉及一种图像识别方法、装置、服务器、终端及存储介质。
技术介绍
随着计算机与网络技术的发展，建立有效的识别机制实现快速精准的图像识别成为一种需求。在众多的图像识别系统中，基于内容的图像识别方法得到了越来越广泛的应用，它满足了人们用已有的样本快速识别目标图像的需求。现有的技术虽然通过深度学习可以利用大量的图像样本数据进行识别模型的训练，以获得用于对目标进行识别的深度神经网络模型，但由于样本数据的数量太大，导致拟合后的神经网络模型精度较低，往往识别结果与目标图像相差较大，而针对识别结果相差较大的情况，现有技术无法获取用户的反馈为用户提供更准确的结果。
技术实现思路
鉴于以上问题，本专利技术的实施例提供一种图像识别方法、装置、服务器、终端及存储介质，其能解决上述
技术介绍
部分提到的技术问题。按照本专利技术的实施例的图像识别方法，应用于服务器，包括：接收终端发送的携带目标图像的识别请求；利用第一神经网络模型对所述目标图像进行识别得到第一识别结果并将所述第一识别结果返回所述终端；接收所述终端发送的针对所述第一识别结果的用户反馈指令；根据所述反馈指令，利用第二神经网络模型对所述目标图像进行识别得到第二识别结果并将所述第二识别结果返回所述终端。按照本专利技术的实施例的图像识别方法，应用于终端，包括：向服务器发送携带目标图像的识别请求；接收所述服务器返回的利用第一神经网络模型识别所述目标图像得到的第一识别结果；向所述服务器发送针对所述第一识别结果的用户反馈指令；接收所述服务器根据所述用户反馈指令返回的利用第二神经网络模型识别所述目标图像得到的第二识别结果。按照本专利技术的实施例的图像识别装置，应用于服务器，包括：第一接收模块，用于接收终端发送的携带目标图像的识别请求；第一识别模块，用于利用第一神经网络模型对所述目标图像进行识别得到第一识别结果并将所述第一识别结果返回所述终端；第二接收模块，用于接收所述终端发送的针对所述第一识别结果的用户反馈指令；第二识别模块，用于根据所述反馈指令，利用第二神经网络模型对所述目标图像进行识别得到第二识别结果并将所述第二识别结果返回所述终端。按照本专利技术的实施例的图像识别装置，应用于终端，包括：第一发送单元，用于向服务器发送携带目标图像的识别请求；第一接收单元，用于接收所述服务器返回的利用第一神经网络模型识别所述目标图像得到的第一识别结果；第二发送单元，用于向所述服务器发送针对所述第一识别结果的用户反馈指令；第二接收单元，用于接收所述服务器根据所述用户反馈指令返回的利用第二神经网络模型识别所述目标图像得到的第二识别结果。按照本专利技术的实施例的用于图像识别的服务器，包括：处理器；以及存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述应用于服务器的图像识别方法。按照本专利技术的实施例的用于图像识别的终端，包括：处理器；以及存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述应用于终端的图像识别方法。按照本专利技术的实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括可执行指令，当所述可执行指令被处理器执行时，实施前述应用于服务器或终端的图像识别方法。从以上的描述可以看出，本专利技术的实施例的方案利用图像样本数据中的不同训练图像集分别训练得到第一神经网络和第二神经网络，降低了训练的难度，提高了拟合的精度，在终端发起目标图像识别请求时，提供识别服务的服务器先利用第一神经网络进行识别得到第一识别结果并返回给终端，若终端用户对第一识别结果不满意，可通过终端向服务器发送反馈指令，服务器根据反馈指令进一步利用第二神经网络进行识别得到第二识别结果并返回给终端，如此兼顾了识别效率和识别精度，同时终端用户可以对识别结果进行一定的反馈，提高了图像识别过程中用户的互动性。附图说明图1为按照本专利技术的一个实施例的示例性系统架构的示意图；图2为按照本专利技术的一个实施例的用于模型训练的方法的流程图；图3为按照本专利技术的一个实施例的图像识别方法的交互流程图；图4为按照本专利技术的一个实施例的图像识别方法的流程图；图5为按照本专利技术的另一个实施例的图像识别方法的流程图；图6为按照本专利技术的一个实施例的图像识别装置的示意图；图7为按照本专利技术的另一个实施例的图像识别装置的示意图；图8为按照本专利技术的一个实施例的用于图像识别的服务器的示意图；图9为按照本专利技术的一个实施例的用于图像识别的终端的示意图。具体实施方式现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。本专利技术的实施例的方案利用图像样本数据中的不同训练图像集分别训练得到第一神经网络和第二神经网络，降低了训练的难度，提高了拟合的精度，在终端发起目标图像识别请求时，提供识别服务的服务器先利用第一神经网络进行识别得到第一识别结果并返回给终端，若终端用户对第一识别结果不满意，可通过终端向服务器发送反馈指令，服务器根据反馈指令进一步利用第二神经网络进行识别得到第二识别结果并返回给终端，如此兼顾了识别效率和识别精度，同时终端用户可以对识别结果进行一定的反馈，提高了图像识别过程中用户的互动性。图1示出了可以应用本专利技术的图像识别方法或装置的实施例的示例性系统架构的示意图。如图1所示，该系统架构100可以包括终端102、104、106，网络108和服务器110。网络108用以在终端102、104、106和服务器110之间提供通信链路的介质。网络108可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端102、104、106通过网络108与服务器110交互，以接收或发送数据、消息等。终端102、104、106上可以安装有各种客户端应用，例如图像识别应用(或称图像检索应用)等。服务器110用于提供图像识别或图像检索服务。终端102、104、106和服务器110可以是例如计算机或其他合适的具有计算能力的电子设备。终端102、104、106可以是包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。应该理解，图1中的终端、网络和服务器的数量仅仅是示意性的。根据实际需要，可以具有任意数目的终端、网络和服务器。本专利技术的实施例的方案包括模型训练阶段和实际识别本文档来自技高网...

【技术保护点】
1.一种图像识别方法，应用于服务器，包括：接收终端发送的携带目标图像的识别请求；利用第一神经网络模型对所述目标图像进行识别得到第一识别结果并将所述第一识别结果返回所述终端；接收所述终端发送的针对所述第一识别结果的用户反馈指令；根据所述反馈指令，利用第二神经网络模型对所述目标图像进行识别得到第二识别结果并将所述第二识别结果返回所述终端。

【技术特征摘要】
1.一种图像识别方法，应用于服务器，包括：接收终端发送的携带目标图像的识别请求；利用第一神经网络模型对所述目标图像进行识别得到第一识别结果并将所述第一识别结果返回所述终端；接收所述终端发送的针对所述第一识别结果的用户反馈指令；根据所述反馈指令，利用第二神经网络模型对所述目标图像进行识别得到第二识别结果并将所述第二识别结果返回所述终端。2.根据权利要求1所述的方法，其中，所述第一神经网络模型是利用第一训练图像集训练得到的，以及，所述第二神经网络模型是利用第二训练图像集训练得到的；其中，所述第一训练图像集是基于第一规则集中的规则从图像数据库中选取的，以及，所述第二训练图像集是基于第二规则集中的规则从所述图像数据库中选取的。3.根据权利要求2所述的方法，其中，所述第一识别结果包括第一图像、第一图像类别信息的至少一种，以及，所述第二识别结果包括第二图像、第二图像类别信息的至少一种；其中，所述第一图像是利用所述第一神经网络模型从所述图像数据库中获取的与所述目标图像相似度值最大的图像，所述第二图像是利用所述第二神经网络模型从所述图像数据库中获取的与所述目标图像相似度值最大的图像。4.根据权利要求3所述的方法，其中，所述第一识别结果还包括第一图像对应的相似度值数值，及/或，所述第二识别结果还包括第二图像对应的相似度值数值。5.一种图像识别方法，应用于终端，包括：向服务器发送携带目标图像的识别请求；接收所述服务器返回的利用第一神经网络模型识别所述目标图像得到的第一识别结果；向所述服务器发送针对所述第一识别结果的用户反馈指令；接收所述服务器根据所述用户反馈指令返回的利用第二神经网络模型识别所述目标图像得到的第二识别结果。6.根据权利要求5所述的方法，其中，所述第一神经网络模型是利用第一训练图像集训练得到的，以及，所述第二神经网络模型是利用第二训练图像集训练得到的；其中，所述第一训练图像集是基于第一规则集中的规则从图像数据库中选取的，以及，所述第二训练图像集是基于第二规则集中的规则从所述图像数据库中选取的。7.根据权利要求6...

【专利技术属性】
技术研发人员：金玲玲，
申请(专利权)人：深圳灵图慧视科技有限公司，
类型：发明
国别省市：广东,44