图片识别的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图片识别方法，所述方法包括：获取待识别图片；将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；根据所述相似值确定目标产品标签，输出目标产品标签。本发明专利技术通过神经网络模型对待识别图片的特征向量进行计算，然后通过特征向量对待识别图片与产品标签的相似值进行计算，准确确定了与待识别图片相似的产品标签，提高了图片相似度识别的准确率。此外，还提出了一种图片识别的装置、设备及存储介质。

Method, device, equipment and storage medium of picture recognition

【技术实现步骤摘要】
图片识别的方法、装置、设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种图片识别的方法、装置、设备及存储介质。
技术介绍
随着计算机网络技术的发展，图片成为一种重要的承载信息的形式，应用于生产生活的各个方面。但是大部分的文件系统只对图片的名称以及一些描述信息进行记录，而没有确认图片本身的内容，因此内容相同或相似的图片可能因为名称不同，在图片数据库中被认为是不同的图片，导致出现重复图片或者相似图片的问题。过多重复或相似的图片导致数据库的运作效率低下，而且很大程度造成资源的浪费。因此在管理及维护图片数据库时，需要对重复图片或相似图片进行处理。现有的图片识别方法，主要通过将当前上传的图片与图片数据库中的所有图片进行逐一比较，以确定图片数据库中是否存在与当前上传的图片相同或相似的图片，该方法在每次比较时，均需对图片数据库进行一次遍历，相同或相似图片检测速度较慢、效率较低。从海量图片数据库中找到相同或相似的图片，准确性和效率是基本要素。因此，如何实现准确性并且兼顾效率成为亟待解决的问题。
技术实现思路
基于此，有必要针对上述问题，提出了一种图片识别方法、装置、计算机设备及存储介质。一种图片识别方法，所述方法包括：获取待识别图片；将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；根据所述相似值确定目标产品标签，输出目标产品标签。r>在一个实施例中，所述根据所述相似值确定目标产品标签的步骤还包括：判断所述计算得到的相似值是否满足预设的阈值，若所述相似值满足预设的阈值，则将与该相似值对应的产品标签作为目标产品标签。在一个实施例中，所述输出目标产品标签的步骤还包括：将所述相似值进行排序，根据排序结果输出相似值对应的目标产品标签。在一个实施例中，所述输出目标产品标签的步骤还包括：按照储存在预设的标签数据库中的产品标签与图片的对应关系，获取与所述目标产品标签对应的图片并展示。在一个实施例中，所述方法还包括：获取待训练图片关联至预设的图片集合目录；确定待训练图片对应的产品参考标签和所述产品参考标签对应的特征参考向量；根据图片集合目录确定训练样本集，所述训练样本集包括：多个待训练图片、以及与每一个待训练图片对应的产品参考标签和特征参考向量；将待训练图片和对应的产品参考标签作为所述预设的神经网络模型的输入，特征参考向量作为所述预设的神经网络模型的输出，对所述预设的神经网络模型进行训练。在一个实施例中，所述获取待训练图片关联至预设的图片集合目录的步骤还包括：获取预设的图片数据库的上传记录；根据所述上传记录中的上传时间，在预设的图片数据库中获取上一次获取操作之后的上传记录所对应的图片作为所述待训练图片。在一个实施例中，所述方法还包括：检测通过预设的展示界面输入的查找操作，获取与所述查找操作对应的图片作为所述待识别图片，并执行所述将所述待识别图片输入预设的神经网络模型的步骤；在所述输出目标产品标签的步骤之后，还包括：在所述展示界面上预设的展示区域中展示目标产品标签。一种图片识别装置，所述装置包括：获取模块，用于获取待识别图片；第一计算模块，用于将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；第二计算模块，用于根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；确定模块，用于根据所述相似值确定目标产品标签，输出目标产品标签。在一个实施例中，所述确定模块还包括：判断单元，用于判断所述计算得到的相似值是否满足预设的阈值，若所述相似值满足预设的阈值，则将与该相似值对应的产品标签作为目标产品标签。在一个实施例中，所述确定模块还包括：排序单元，用于将所述相似值进行排序，根据排序结果输出相似值对应的目标产品标签。在一个实施例中，所述确定模块还包括：展示单元，用于按照储存在预设的标签数据库中的产品标签与图片的对应关系，获取与所述目标产品标签对应的图片并展示。在一个实施例中，所述装置还包括：获取训练模块，用于获取待训练图片关联至预设的图片集合目录；确定待训练图片对应的产品参考标签和所述产品参考标签对应的特征参考向量；根据图片集合目录确定训练样本集，所述训练样本集包括：多个待训练图片、以及与每一个待训练图片对应的产品参考标签和特征参考向量；训练模块，用于将待训练图片和对应的产品参考标签作为所述预设的神经网络模型的输入，特征参考向量作为所述预设的神经网络模型的输出，对所述预设的神经网络模型进行训练。在一个实施例中，所述获取训练模块还包括：获取单元，用于获取预设的图片数据库的上传记录；根据所述上传记录中的上传时间，在预设的图片数据库中获取上一次获取操作之后的上传记录所对应的图片作为所述待训练图片。在一个实施例中，所述装置还包括：界面展示模块，用于检测通过预设的展示界面输入的查找操作，获取与所述查找操作对应的图片作为所述待识别图片，并执行所述将所述待识别图片输入预设的神经网络模型的步骤；在所述输出目标产品标签的步骤之后，还包括：在所述展示界面上预设的展示区域中展示目标产品标签。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取待识别图片；将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；根据所述相似值确定目标产品标签，输出目标产品标签。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取待识别图片；将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；根据所述相似值确定目标产品标签，输出目标产品标签。采用本专利技术的图片识别方法、装置、设备及存储介质，首先获取待识别图片；然后将待识别图片输入预设的神经网络模型输出待识别图片对应的目标特征向量；接着根据输出的目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；最后根据相似值确定与待识别图片相关的目标产品标签并输出。本专利技术通过神经网络模型对待识别图片的特征向量进行计算，然后通过特征向量对待识别图片与产品标签的相似值进行计算，准确确定了与待识别图片相似的产品标签，提高了图片相似度识别的准确率。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简单地介绍，显而易见地，下面描述中的附图仅仅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，所述方法包括：/n获取待识别图片；/n将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；/n根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；/n根据所述相似值确定目标产品标签，输出目标产品标签。/n

【技术特征摘要】
1.一种图片识别方法，其特征在于，所述方法包括：
获取待识别图片；
将所述待识别图片输入预设的神经网络模型，获取所述待识别图片对应的目标特征向量；
根据所述目标特征向量确定待识别图片与预设的标签数据库中包含的多个产品标签之间的相似值；
根据所述相似值确定目标产品标签，输出目标产品标签。


2.根据权利要求1所述的方法，其特征在于，所述根据所述相似值确定目标产品标签的步骤还包括：
判断所述计算得到的相似值是否满足预设的阈值，若所述相似值满足预设的阈值，则将与该相似值对应的产品标签作为目标产品标签。


3.根据权利要1所述的方法，其特征在于，所述输出目标产品标签的步骤还包括：
将所述相似值进行排序，根据排序结果输出相似值对应的目标产品标签。


4.根据权利要求1所述的方法，其特征在于，所述输出目标产品标签的步骤还包括：
按照储存在预设的标签数据库中的产品标签与图片的对应关系，获取与所述目标产品标签对应的图片并展示。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取待训练图片关联至预设的图片集合目录；
确定待训练图片对应的产品参考标签和所述产品参考标签对应的特征参考向量；
根据图片集合目录确定训练样本集，所述训练样本集包括：多个待训练图片、以及与每一个待训练图片对应的产品参考标签和特征参考向量；
将待训练图片和对应的产品参考标签作为所述预设的神经网络模型的输入，特征参考向量作为所述预设的神经网络模型...

【专利技术属性】
技术研发人员：欧越，
申请(专利权)人：深圳市赛维网络科技有限公司，
类型：发明
国别省市：广东;44