一种图像识别方法、装置、设备以及存储介质制造方法及图纸

本发明专利技术公开一种图像识别方法、装置、设备以及存储介质，涉及图像处理技术领域。本发明专利技术包括摄像头、图像识别装置以及显示模组，其中图像识别装置包括，获取样本图像和对应的识别结果；对样本图像使用系列滤波器进行滤波得到每个样本图像在多个频段的图像分量特征；将每个样本图像的多个图像分量特征和对应的识别结果分别按照对应的不同频段输入不同的识别网络的输入层和输出层并训练收敛得到每个频段的识别网络；获取目标图像；按照频段由低至高依次提取目标图像的图像分析特征；将目标图像的图像分析特征按照对应的频率大小由低至高依次输入对应频段的识别网络的输入层直至得到目标图像的识别结果。本发明专利技术兼顾了图像识别的准确性和速度。

【技术实现步骤摘要】

本专利技术属于图像处理，特别是涉及一种图像识别方法、装置、设备以及存储介质。

技术介绍

1、随着人工智能技术的发展，图像识别已经广泛应用于各个领域，包括但不限于安防监控、医疗诊断、自动驾驶、工业检测等。图像识别技术基于计算机视觉和模式识别，通过对摄取的图像数据进行处理和分析，以识别出图像中的特定模式、对象或者信息。

2、传统的图像识别方法主要依赖于特征提取和特征匹配。这些方法通常包括边缘检测、颜色分析、形状匹配等步骤。然而，这些方法在面对复杂场景和变化多端的图像特征时，往往难以达到预期的识别效果。此外，传统方法在大规模数据处理时，计算量大，识别速度慢，难以满足实时性要求。

3、近年来，深度学习技术，尤其是卷积神经网络（cnn）在图像识别领域取得了显著的进展。通过大量数据的学习，cnn能够自动提取图像的深层特征，从而显著提高识别的准确性。然而，深度学习模型通常需要大量的计算资源和存储空间，这限制了它们在资源受限的设备上的应用。

技术实现思路

1、本专利技术的目的在于提供一种图像识别方法、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，包括，

2.根据权利要求1所述的方法，其特征在于，所述将目标图像的所述图像分析特征按照对应的频率大小由低至高依次输入对应所述频段的所述识别网络的输入层直至得到目标图像的识别结果的步骤，包括，

3.根据权利要求2所述的方法，其特征在于，所述将目标图像的所述图像分析特征按照对应的频率大小由低至高依次输入对应所述频段的所述识别网络的输入层直至得到目标图像的识别结果的步骤，还包括，

4.根据权利要求2或3所述的方法，其特征在于，所述根据初步频段和验证频段对应的输出层中每一输出项的概率值判断是否能够得出可靠的输出项的步骤，包括，...

【技术特征摘要】

1.一种图像识别方法，其特征在于，包括，

2.根据权利要求1所述的方法，其特征在于，所述将目标图像的所述图像分析特征按照对应的频率大小由低至高依次输入对应所述频段的所述识别网络的输入层直至得到目标图像的识别结果的步骤，包括，

3.根据权利要求2所述的方法，其特征在于，所述将目标图像的所述图像分析特征按照对应的频率大小由低至高依次输入对应所述频段的所述识别网络的输入层直至得到目标图像的识别结果的步骤，还包括，

4.根据权利要求2或3所述的方法，其特征在于，所述根据初步频段和验证频段对应的输出层中每一输出项的概率值判断是否能够得出可靠的输出项的步骤，包括，

5.根据权利要求4所述的方法，其特征在于，所述根据初步...

【专利技术属性】
技术研发人员：郭越，敖毅，杨岳，
申请(专利权)人：重庆酷贝科技发展有限公司，
类型：发明
国别省市：