【技术实现步骤摘要】
用于识别图像的方法和系统
本申请实施例涉及计算机
,具体涉及用于识别图像的方法和系统。
技术介绍
图像识别,是指对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。目前,为了节省云端服务器的计算压力和传输带宽,会在靠近数据源头的一侧直接对图像进行计算,即边缘计算。在基于深度学习的边缘计算的图像识别场景下,图像识别系统通常部署单个AI(ArtificialIntelligence,人工智能)芯片,以及单个AI芯片连接的集成电路芯片。具体地,单个AI芯片运行图像识别过程中的所有深度学习模型,对集成电路芯片采集的图像进行图像识别,以得到图像的识别结果,并将图像的识别结果发送至云端服务器,以进行下一步处理。
技术实现思路
本申请实施例提出了用于识别图像的方法和系统。第一方面,本申请实施例提供了一种用于识别图像的方法,应用于AI芯片集合,AI芯片集合包括至少两个AI芯片,至少两个AI芯片并联,包括:接收集成电路芯片发送的图像;对图像进行图像识别,生成至少两个识别子结果;将至少两个识别子结果发送至集成电路芯片,以使集成电路芯片整合至少两个识别子结果,生成识别结果。在一些实施例中,AI芯片集合运行图像识别过程中的所有深度学习模型,且不同AI芯片运行图像识别过程中的不同业务对应的深度学习模型。在一些实施例中,AI芯片集合包括第一AI芯片和第二AI芯片,第一AI芯片运行目标检测模型和属性识别模型,第二AI芯片运行目标检测模型和表情识别模型。在一些实施例中, ...
【技术保护点】
1.一种用于识别图像的方法,应用于人工智能AI芯片集合,所述AI芯片集合包括至少两个AI芯片,所述至少两个AI芯片并联,包括:/n接收集成电路芯片发送的图像;/n对所述图像进行图像识别,生成至少两个识别子结果;/n将所述至少两个识别子结果发送至所述集成电路芯片,以使所述集成电路芯片整合所述至少两个识别子结果,生成识别结果。/n
【技术特征摘要】
1.一种用于识别图像的方法,应用于人工智能AI芯片集合,所述AI芯片集合包括至少两个AI芯片,所述至少两个AI芯片并联,包括:
接收集成电路芯片发送的图像;
对所述图像进行图像识别,生成至少两个识别子结果;
将所述至少两个识别子结果发送至所述集成电路芯片,以使所述集成电路芯片整合所述至少两个识别子结果,生成识别结果。
2.根据权利要求1所述的方法,其中,所述AI芯片集合运行图像识别过程中的所有深度学习模型,且不同AI芯片运行图像识别过程中的不同业务对应的深度学习模型。
3.根据权利要求2所述的方法,其中,所述AI芯片集合包括第一AI芯片和第二AI芯片,所述第一AI芯片运行目标检测模型和属性识别模型,所述第二AI芯片运行所述目标检测模型和表情识别模型。
4.根据权利要求3所述的方法,其中,所述对所述图像进行图像识别,生成至少两个识别子结果,包括:
所述第一AI芯片将所述图像输入至所述目标检测模型,得到所述图像中的目标的位置信息,将所述图像和所述图像中的目标的位置信息输入至所述属性识别模型,得到所述图像中的目标的属性信息,基于所述图像中的目标的位置信息和属性信息,生成所述图像的第一识别子结果;
所述第二AI芯片将所述图像输入至所述目标检测模型,得到所述图像中的目标的位置信息,将所述图像和所述图像中的目标的位置信息输入至所述表情识别模型,得到所述图像中的目标的表情信息,基于所述图像中的目标的位置信息和表情信息,生成所述图像的第二识别子结果。
5.根据权利要求1-4之一所述的方法,其中,所述AI芯片集合中的AI芯片与所述集成电路芯片之间通过通用串行总线连接。
6.根据权利要求1-4之一所述的方法,其中,所述AI芯片集合中的AI芯片通过移动产业处理器接口MIPI并联。
7.一种用于识别图像的系统,包括:集成电路芯片和人工智能AI芯片集合,所述AI芯片集合包括至少两个AI芯片,所述至少两个AI芯片并联;
所述集成电路芯片,被配置成采集图像,以及将所述图像发送至所述AI芯片集合;
所述AI芯片集合,被配置成利用所述至少两个AI芯片对所述图像进行图像识别,生成至少两个识别子结果,以及将所述至少两个识别子结果发送至所述集成电路芯片;
所述集成电路芯片,被配置成整合所述至少两个识别子结果,生成识别结果。
8.根据权利要求7所述的系统,其中,所述AI芯片集合运行图像识别过程中的所有深度学习模型,且不同AI芯片运行图像识别过程中的不同业务对...
【专利技术属性】
技术研发人员:胡跃祥,周仁义,周强,付鹏,范彦文,寇浩锋,
申请(专利权)人:百度时代网络技术北京有限公司,百度美国有限责任公司,
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。