内容提供者
一种图像识别方法、装置、设备及存储介质.pdf
2023-04-26
10金币
481KB
18页
努力****晓骞
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共18页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种图像识别方法、装置、设备及存储介质.pdf
本发明公开了一种图像识别方法、装置、设备及存储介质；在本方案中，预先将原始图像识别模型中的原始激活函数，替换为通过原始激活函数及线性函数确定的可训练的目标激活函数，该目标激活函数中具有可训练的目标参数，其参数值在训练过程确定；然后对替换后的图像识别模型进行训练得到目标图像识别模型，以便利用目标图像识别模型执行图像识别任务。可见，本方案通过在图像识别模型的训练过程中确定目标激活函数的参数值，以此来建立一种适合当前模型、当前任务、当前数据的最优的目标激活函数，进而提高了图像识别模型的收敛速度及准确率。
2023-07-25
10
577KB
一种图像识别方法、装置、设备及存储介质.pdf
本申请实施例提供了一种图像识别方法、装置、设备及存储介质，涉及人工智能技术领域，该方法包括：对待识别图像中的至少一个目标对象进行检测，获得至少一个目标对象分别对应的识别框，以及确定获得的各个识别框的部位残缺识别结果。基于各个识别框的面积，从至少一个目标对象中确定目标分析对象。基于目标分析对象对应的各个识别框的部位残缺识别结果，确定目标分析对象的整体识别结果。再基于目标分析对象的整体识别结果，确定待识别图像的图像识别结果。通过目标分析对象在多个方面的特征，确定目标分析对象的完整程度，从而提高识别目标分析对象
2023-07-25
10
1.6MB
一种图像识别方法、装置、存储介质及设备.pdf
本申请公开了一种图像识别方法、装置、存储介质及设备，该方法包括：首先获取待识别的目标图像，然后再将其输入至预先构建的图像识别模型，识别得到目标图像的特征向量；其中，图像识别模型是根据神经元的算力进行自适应剪枝，并利用对抗训练和知识蒸馏的方式训练得到的神经网络模型；接着，可以根据该特征向量，对目标图像进行识别，得到目标图像的识别结果。可见，由于本申请预先构建的图像识别模型是利用神经元的算力进行自适应剪枝，从而提高了剪枝效率，并且通过对抗训练和知识蒸馏的训练方式还能够使得该模型有效继承当前主流神经网络模型所包
2023-07-25
10
861KB
一种图像识别方法、装置、设备及存储介质.pdf
本发明公开了一种图像识别方法、装置、设备及存储介质。所述方法包括:获取待识别图像;基于预先训练的语义分割网络,确定出所述待识别图像中的遮挡区域、背景区域和待识别主体区域;确定包含所述待识别主体区域的待裁剪图像区域,并将所述待裁剪图像区域的尺寸调整为预设固定尺寸,得到待匹配图像;在预设情况下,确定所述待匹配图像中属于所述遮挡区域的遮挡部分,并在所述预设固定尺寸的N个主体分类模板图像中,分别针对与所述遮挡部分位置相同的图像区域进行遮挡处理,得到N个遮挡模板图像;针对所述N个遮挡模板图像,分别与所述待匹配图像计
2023-04-26
10
481KB
一种灰度图像的识别方法、装置、设备及可读存储介质.pdf
本发明实施例公开了一种灰度图像的识别方法、装置、设备及计算机可读存储介质。其中，方法包括基于复杂网络和分水岭算法，对提取的待识别灰度图像的轮廓像素点进行网络建模；将距离阈值集合中的各距离阈值作用在初始网络模型的节点集合中，分别建立相应的子网络模型；计算各子网络模型的拓扑参量，以构成待识别灰度图像的目标识别参数；计算初始网络模型中各节点的强度，并从各节点强度中选取满足预设强度条件的节点，构成目标网络兴趣点集；根据目标识别参数和目标网络兴趣点集，在样本库中匹配满足预设参数条件和具有相同网络兴趣点的候选样本图像
2023-08-31
10
805KB