本发明专利技术公开了一种识别图像的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：基于多个卷积神经网络模型构建多个识别概率模型，分别计算子图识别概率，并通过融合各个识别概率模型，利用预测分类模型获取目标子图在待识别图片中的识别概率，进一步地，根据识别概率确定图片中是否包含目标子图；该技术手段克服了在有限的数据样本下，识别图像准确率偏低技术的一部分问题，提高了识别图像的准确率，降低了人工审核认证标识图像的工作量。量。量。
【技术实现步骤摘要】
一种识别图像的方法和装置
[0001]本专利技术涉及计算机
，尤其涉及一种识别图像的方法和装置。
技术介绍
[0002]在商品的外包装中，通常包含体现商品质量、功能、环保等商品特征的认证标识，此类认证标识通常以小图的形式出现在外包装图片中，通过商品外包装的认证标识消费者可以判断商品特征；例如，随着生活水平的提高，保健品越来越受到广大消费者的青睐，但是一些商贩会将一般食品当作保健品来售卖，为了规范商家的行为，保障消费者的利益，国家颁布了保健品认证标识，并且只有经过国家认证的保健品，才可以在商品外包装中标识保健品标识；
[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]目前对于商品外包装中商品认证标识的识别模型存在因为数据样本有限而导致准确率偏低的问题，往往需要依赖人工审核来进一步明确，而人工审核存在工作效率低、依赖于凭借主观判断、可能的审核作弊等问题。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种识别图像的方法和装置，能够基于多个卷积神经网络模型构建多个识别概率模型，分别计算子图识别概率，并通过融合各个识别概率模型，利用预测分类模型获取目标子图在待识别图片中的识别概率，进一步地，根据识别概率确定图片中是否包含目标子图；该技术手段克服了在有限的数据样本下，识别目标子图准确率偏低技术的一部分问题，提高了识别图像的准确率，降低了人工审核认证标识图像的工作量。
[0006]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种识别图像的方法，其特征在于，包括：基于第一卷积神经网络模型，构建第一全连接模型，形成第一识别概率模型；基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型；利用所述第一识别概率模型和所述第二识别概率模型，以及分类预测模型，计算图片中存在目标子图的类别概率；根据预定义概率阈值，确定所述图片中是否包含所述目标子图。
[0007]可选地，所述识别图像的方法，其特征在于，
[0008]基于第一卷积神经网络模型，构建第一全连接模型，形成第一识别概率模型，包括：
[0009]构建第一全连接模型，替换所述第一卷积神经网络模型的分类器，根据所述第一卷积神经网络模型的卷积层、池化层、全连接层和所述第一全连接模型，形成所述第一识别概率模型。
[0010]可选地，所述识别图像的方法，其特征在于，
[0011]基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型，包括：
[0012]构建第二全连接模型，替换所述第二卷积神经网络模型的全连接层，根据所述第二卷积神经网络模型的卷积层、池化层、数据块和所述第二全连接模型，形成所述第二识别概率模型。
[0013]可选地，所述识别图像的方法，其特征在于，
[0014]构建所述第一全连接模型或者所述第二全连接模型，包括：
[0015]构建至少两个线性层，分别设置所述线性层包含的神经元的数量，利用全连接神经网络模型，对所述线性层所包含的神经元的数值进行全连接计算。
[0016]可选地，所述识别图像的方法，其特征在于，
[0017]基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型，包括：
[0018]构建至少两个第二线性全连接模型，分别替换相应的所述第二卷积神经网络模型的全连接层；根据所述第二卷积神经网络模型的卷积层、池化层、数据块和相应的所述第二全连接模型，分别形成所述第二识别概率模型。
[0019]可选地，所述识别图像的方法，其特征在于，
[0020]利用所述第一识别概率模型和所述第二识别概率模型，以及分类预测模型，计算图片中存在目标子图的类别概率，包括：
[0021]利用所述第一识别概率模型，计算图片中存在所述目标子图的类别概率，得到第一概率；
[0022]利用一个或者多个所述第二识别概率模型，计算图片中存在所述目标子图的类别概率，分别得到第二概率；
[0023]利用所述第一概率、所述一个或者多个第二概率，基于分类预测模型，计算图片中存在目标子图的类别概率。
[0024]可选地，所述识别图像的方法，其特征在于，
[0025]所述分类预测模型包括：基于所述第一概率、一个或者多个所述第二概率、所述第一概率的权重值、一个或者多个所述第二概率相对应的权重值，计算图片中存在目标子图的类别概率。
[0026]为实现上述目的，根据本专利技术实施例的第二方面，提供了一种识别图像的装置，其特征在于，包括：构建识别模型模块、计算识别概率模块和识别子图模块；其中，
[0027]所述构建识别模型模块，用于基于第一卷积神经网络模型，构建第一全连接模型，形成第一识别概率模型；基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型；
[0028]所述计算识别概率模块，用于利用所述第一识别概率模型和所述第二识别概率模型，以及分类预测模型，计算图片中存在目标子图的类别概率；
[0029]所述识别子图模块，用于根据预定义概率阈值，确定所述图片中是否包含所述目标子图。
[0030]可选地，所述识别图像的装置，其特征在于，
[0031]所述构建识别模型模块还用于构建第一全连接模型，替换所述第一卷积神经网络模型的分类器，根据所述第一卷积神经网络模型的卷积层、池化层、全连接层和所述第一全连接模型，形成所述第一识别概率模型。
[0032]可选地，所述识别图像的装置，其特征在于，
[0033]所述构建识别模型模块还用于构建第二全连接模型，替换所述第二卷积神经网络模型的全连接层，根据所述第二卷积神经网络模型的卷积层、池化层、数据块和所述第二全连接模型，形成所述第二识别概率模型。
[0034]可选地，所述识别图像的装置，其特征在于，
[0035]所述构建识别模型模块还用于构建至少两个线性层，分别设置所述线性层包含的神经元的数量，利用全连接神经网络模型，对所述线性层所包含的神经元的数值进行全连接计算。
[0036]可选地，所述识别图像的装置，其特征在于，
[0037]所述构建识别模型模块还用于构建至少两个第二线性全连接模型，分别替换相应的所述第二卷积神经网络模型的全连接层；根据所述第二卷积神经网络模型的卷积层、池化层、数据块和相应的所述第二全连接模型，分别形成所述第二识别概率模型。
[0038]可选地，所述识别图像的装置，其特征在于，
[0039]所述计算识别概率模块还用于利用所述第一识别概率模型，计算图片中存在所述目标子图的类别概率，得到第一概率；利用一个或者多个所述第二识别概率模型，计算图片中存在所述目标子图的类别概率，分别得到第二概率；利用所述第一概率、所述一个或者多个第二概率，基于分类预测模型，计算图片中存在目标子图的类别概率。
[0040]可选地，所述识别图像的装置，其特征在于，
[0041]所述识别子图模块还包含所述分类预测模型，所述分类预测模型包本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种识别图像的方法，其特征在于，包括：基于第一卷积神经网络模型，构建第一全连接模型，形成第一识别概率模型；基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型；利用所述第一识别概率模型和所述第二识别概率模型，以及分类预测模型，计算图片中存在目标子图的类别概率；根据预定义概率阈值，确定所述图片中是否包含所述目标子图。2.根据权利要求1所述的方法，其特征在于，基于第一卷积神经网络模型，构建第一全连接模型，形成第一识别概率模型，包括：构建第一全连接模型，替换所述第一卷积神经网络模型的分类器，根据所述第一卷积神经网络模型的卷积层、池化层、全连接层和所述第一全连接模型，形成所述第一识别概率模型。3.根据权利要求1所述的方法，其特征在于，基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型，包括：构建第二全连接模型，替换所述第二卷积神经网络模型的全连接层，根据所述第二卷积神经网络模型的卷积层、池化层、数据块和所述第二全连接模型，形成所述第二识别概率模型。4.根据权利要求1所述的方法，其特征在于，构建所述第一全连接模型或者所述第二全连接模型，包括：构建至少两个线性层，分别设置所述线性层包含的神经元的数量，利用全连接神经网络模型，对所述线性层所包含的神经元的数值进行全连接计算。5.根据权利要求3所述的方法，其特征在于，基于第二卷积神经网络模型，构建第二全连接模型，形成第二识别概率模型，包括：构建至少两个第二线性全连接模型，分别替换相应的所述第二卷积神经网络模型的全连接层；根据所述第二卷积神经网络模型的卷积层、池化层、数据块和相应的所述第二全连接模型，分别形成所述第二识别概率模型。6.根据权利要求5所述的方法，其特征在于，利用所述第一识别概率模型和所述第二识别概率模型，以及分类预测模型，计算图片中存在目标子图的类别概率，包括：利用所述第一识别概率模型，计算图片中存在所述目标子图的类别概率，得到第一概率；利用一个或者多个所述第二识别概率模型，计算图片中存在所述目标子图的类别概率，分别得到第二概率；利用所述第一概率、所述一个或者多个第二概率，基于分类预测模型，计算图片中存在目标子图的类别概率。7.根据权利要求6所述的方法，其特征在于，所述分类预测模型包括：基于所述第一概率、一个或者多个所述第二概率、所述第一概率的权重值、一个或者多个所述第二概率相对应的权重值，计算图片中存在目标子图的类别概率。8.一种识别图像的装...
【专利技术属性】
技术研发人员：周彬，黄明星，李银锋，赖晨东，李晓敏，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
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。