图像识别、工人安全帽佩戴识别方法、装置及可读介质制造方法及图纸

本申请提供一种图像识别、工人安全帽佩戴识别方法、装置及可读介质，其方法包括：获取待识别图像；将所述待识别图像输入到图像识别模型，得到识别结果；其中，所述图像识别模型的激活函数为线性函数，并且所述线性函数包括多个可调节的权重系数，本申请通过将线性函数作为图像识别模型的激活函数，同时设置多个可调节的线性函数的权重系数，进而保证了激活函数的拟合性，另一方面降低了模型计算量，达到模型压缩的目的，从而可以在边缘终端中运行。从而可以在边缘终端中运行。从而可以在边缘终端中运行。

Image recognition, workers' helmet wearing recognition method, device and readable medium

【技术实现步骤摘要】
图像识别、工人安全帽佩戴识别方法、装置及可读介质


[0001]本申请涉及图像处理
，具体涉及一种图像识别、工人安全帽佩戴识别方法、装置及可读介质。

技术介绍

[0002]目前模型压缩是机器学习重要方向之一，通常一个模型不可能单独在GPU和服务器上运行才可以，其计算量对于边缘终端如手机、智能设备来说，是不现实的。但是对于某些场景，通常不具备布置大型服务器的条件，例如在施工作业区域，如挖矿区域、石油开采区域等，本身不具备布置大型计算设备的条件，其内部通信环境也无法与外界保持通畅，大型数据无法送出，而上述区域存在机器学习的需要，例如施工作业环境下对工人是否佩戴安全帽进行自动检测的场景，需要结合机器学习完成，但由于上述原因，目前还没有可以在上述示例中的场景下运行的机器学习模型，存在诸多不足。

技术实现思路

[0003]针对现有技术中对于某些场景，通常不具备布置大型服务器的条件时如何运行机器学习模型的问题，本申请提供一种图像识别、工人安全帽佩戴识别方法、装置及可读介质。
[0004]本申请的第一方面实施例提供一种图像识别方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取待识别图像；将所述待识别图像输入到图像识别模型，得到识别结果；其中，所述图像识别模型的激活函数为线性函数，并且所述线性函数包括多个可调节的权重系数。2.根据权利要求1所述的图像识别方法，其特征在于，还包括：基于YOLO算法建立机器学习模型，所述机器学习模型包括卷积层；将所述机器学习模型中的卷积层替换为挤压激励块；利用历史图像训练替换挤压激励块之后的机器学习模型，得到所述图像识别模型。3.根据权利要求2所述的图像识别方法，其特征在于，还包括：在利用历史图像训练所述机器学习模型的过程中，对所述挤压激励块形成的卷积通道进行剪枝处理。4.根据权利要求2所述的图像识别方法，其特征在于，还包括：获取训练结束后的所述图像识别模型中的权重矩阵；对所述权重矩阵中的所有原始权重进行量化归并处理，得到设定比特位的更新权重；其中所述更新权重的字节长度小于所述原始权重的字节长度。5.根据权利要求4所述的图像识别方法，其特征在于，所述对所述权重矩阵中的所有原始权重进行量化归并处理，得到设定比特位的更新权重，包括：对所有原始权重以...

【专利技术属性】
技术研发人员：张小虎，左绍舟，郭泽辰，龚潇，
申请(专利权)人：深圳市宏电技术股份有限公司，
类型：发明
国别省市：