一种图像识别方法和装置制造方法及图纸

本申请实施例提供了一种图像识别方法和装置，该方法包括：获取待识别图像；从待识别图像中随机裁剪出具有预设图像大小的图像块；将图像块输入训练好的神经网络分类模型获取图像块的分类结果；根据分类结果确定分类置信度；根据分类置信度确定是否将当前分类结果作为最终图像识别结果；当不能将当前分类结果作为最终图像识别结果时，以迭代计算的形式根据特征图和定位策略网络重新获得下一个图像块，并根据下一个图像块获取下一个分类置信度，直至根据获得的分类置信度确定出将当前分类结果作为最终图像识别结果。该实施例方案在确保图像分类结果准确率的基础上达到了更好的神经网络加速效果，大大提高了系统的运行效率。

【技术实现步骤摘要】
一种图像识别方法和装置
本文涉及神经网络加速技术，尤指一种图像识别方法和装置。
技术介绍
神经网络加速技术指的是利用网络剪枝、权重量化等方法，降低神经网络的计算开销和测试时延，对神经网络的运行过程进行加速，在神经网络模型的实际部署和应用中具有非常广泛的应用。近年来，随着人工智能技术的快速发展，深度卷积神经网络的规模变得越来越大，大规模的卷积神经网络能够处理更复杂的任务，但也带来了巨大的计算和存储资源消耗。对于手机、手环等计算资源有限的移动设备和可穿戴式设备而言，巨大的计算量意味着较高的功耗和运行时延，不利于神经网络在硬件上的部署，制约了神经网络的应用，而通过神经网络加速技术，神经网络模型能够更广泛地应用于各项场景中。对于神经网络模型计算开销大的问题，自适应推理是一种有效的解决方案，这种方法可以自适应地区分简单样本和困难样本，对于易识别样本采用较少的算力，而对于难识别样本采用较多的算力进行推理，总体上起到节省模型计算资源消耗的效果。尽管一些现有的自适应推理网络技术已经被应用于神经网络加速，但是这些方法往往牺牲了较多的分类准确率，网络加速效本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，所述方法包括：/n获取待识别图像；/n从所述待识别图像中随机裁剪出具有预设图像大小的图像块；/n将所述图像块输入预先训练好的神经网络分类模型，获取所述图像块的分类结果；所述分类结果是指所述图像块被分类到预设的一种或多种图像类型中；/n根据所述分类结果确定分类置信度；所述分类置信度是指所述图像块被分类到每种图像类型中的概率；/n根据所述分类置信度确定是否将当前分类结果作为对应的待识别图像的最终图像识别结果；其中，当不能将当前分类结果作为最终图像识别结果时，以迭代计算的形式，根据所述特征图和预先建立并训练好的定位策略网络重新获得下一个图像块，并根据所述下一个图像块...

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
获取待识别图像；
从所述待识别图像中随机裁剪出具有预设图像大小的图像块；
将所述图像块输入预先训练好的神经网络分类模型，获取所述图像块的分类结果；所述分类结果是指所述图像块被分类到预设的一种或多种图像类型中；
根据所述分类结果确定分类置信度；所述分类置信度是指所述图像块被分类到每种图像类型中的概率；
根据所述分类置信度确定是否将当前分类结果作为对应的待识别图像的最终图像识别结果；其中，当不能将当前分类结果作为最终图像识别结果时，以迭代计算的形式，根据所述特征图和预先建立并训练好的定位策略网络重新获得下一个图像块，并根据所述下一个图像块获取下一个分类置信度，直至根据获得的分类置信度确定出将当前分类结果作为对应的待识别图像的最终图像识别结果。


2.根据权利要求1所述的图像识别方法，其特征在于，所述神经网络分类模型包括：特征提取网络和全连接层；
所述将所述图像块输入预先训练好的神经网络分类模型，获取所述图像块的分类结果包括：
将所述图像块输入预先建立并训练好的特征提取网络中，获取特征图，并将所述特征图输入预先建立并训练好的全连接层，获取所述图像块的分类结果。


3.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述分类置信度确定是否将当前分类结果作为对应的待识别图像的最终图像识别结果包括：
当所述分类置信度大于或等于预设阈值时，确定将当前分类结果作为所述待识别图像的最终图像识别结果；
当所述分类置信度小于所述预设阈值时，确定不能将当前分类结果作为所述待识别图像的最终图像识别结果。


4.根据权利要求2所述的图像识别方法，其特征在于，所述以迭代计算的形式，根据所述特征图和预先建立并训练好的定位策略网络重新获得下一个图像块，并根据所述下一个图像块获取下一个分类置信度，直至根据获得的分类置信度确定出将当前分类结果作为对应的待识别图像的最终图像识别结果包括：
41、将上一次获取的特征图输入预先建立的定位策略网络，获取下一步需要裁剪的图像块位置归一化坐标；根据所述图像块位置归一化坐标剪裁下一个图像块；
42、将所述图像块输入预先建立并训练好的特征提取网络中，获取特征图，并将所述特征图输入预先建立并训练好的全连接层，获取所述图像块的分类结果；根据所述分类结果确定分类置信度；
43、根据所述分类置信度确定是否将当前分类结果作为最终图像识别结果；是，进入步骤44；否，返回步骤41；
44、输出当前分类结果。


5.根据权利要求2或4所述的图像识别方法，其特征在于，
所述特征提取网络包括：多个按照残差神经网络ResNet规则或紧密连接的神经网络DenseNet规则排列的函数层；和/或，
所述定位策略网络包括：多个卷积层和一个全连接层，所述卷积层和所述全连接层顺序排列。


6.根据权利要求5所述的图像识别方法，其特征在于，所述方法还包括：根据下述第一计算式对所述特征提取网络的参数Θg和所述全连接层的参数Θm...

【专利技术属性】
技术研发人员：黄高，王语霖，吕康晨，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11