一种基于人工智能图像识别的特征提取方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109815969A(43)申请公布日2019.05.28(21)申请号201910162758.8(22)申请日2019.03.05(71)申请人上海骏聿数码科技有限公司地址200082上海市杨浦区国定路335号2号楼1408-4室(72)发明人白雪松张珅哲(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人陶洪(51)Int.Cl.G06K9/46(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图5页(54)发明名称一种基于人工智能图像识别的特征提取方法及装置(57)摘要本发明提供一种基于人工智能图像识别的特征提取方法及装置，其中，该特征提取方法包括：获取第一特征矩阵，该第一特征矩阵包括待识别图像的特征；根据预设的卷积算法对第一特征矩阵进行特征提取，得到第二特征矩阵；对第二特征矩阵进行排序重组，得到第三特征矩阵；根据卷积算法对第三特征矩阵进行特征提取，得到图像特征集合。本发明所描述的基于人工智能图像识别的特征提取方法及装置，能够在模型建立的过程中避免特征提取操作中大量且重复的工作，从而减少人工智能模型的建立工作量，进而能够提高人工智能模型建立的效率。CN109815969ACN109815969A权利要求书1/2页1.一种基于人工智能图像识别的特征提取方法，其特征在于，包括：获取第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；对所述第二特征矩阵进行排序重组，得到第三特征矩阵；根据所述卷积算法对所述第三特征矩阵进行特征提取，得到图像特征集合。2.根据权利要求1所述的基于人工智能图像识别的特征提取方法，其特征在于，所述根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵的步骤包括：根据预设的卷积算法对所述第一特征矩阵进行数据偏移处理，得到偏移量集合；根据所述偏移量集合生成偏移量矩阵；根据所述偏移量矩阵对所述第一特征矩阵进行特征提取处理，得到第二特征矩阵。3.根据权利要求1所述的基于人工智能图像识别的特征提取方法，其特征在于，所述对所述第二特征矩阵进行排序重组，得到第三特征矩阵的步骤包括：对所述第二特征矩阵进行矩阵转置处理，得到第三特征矩阵。4.根据权利要求1所述的基于人工智能图像识别的特征提取方法，其特征在于，所述的根据所述卷积算法对所述第三特征矩阵进行特征提取，得到图像特征集合的步骤包括：获取所述卷积算法包括的卷积核；对所述卷积核和所述第三特征矩阵进行矩阵相乘运算，得到图像特征集合。5.根据权利要求1所述的基于人工智能图像识别的特征提取方法，其特征在于，所述方法还包括：判断所述图像特征集合是否满足预设特征要求；当所述图像特征集合未满足预设特征要求时，对所述图像特征集合进行池化处理，得到池化特征集合；将所述池化特征集合确定为所述第一特征矩阵，并执行所述根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵的步骤。6.一种基于人工智能图像识别的特征提取装置，其特征在于，包括：获取模块，用于获取第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；转换模块，用于根据预设的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；排序模块，用于对所述第二特征矩阵进行排序重组，得到第三特征矩阵；提取模块，用于根据所述卷积算法对所述第三特征矩阵进行特征提取，得到图像特征集合。7.根据权利要求6所述的基于人工智能图像识别的特征提取装置，其特征在于，转换模块包括：偏移子模块，用于根据预设的卷积算法对所述第一特征矩阵进行数据偏移处理，得到偏移量集合；转换子模块，用于根据所述偏移量集合生成偏移量矩阵；提取子模块，用于根据所述偏移量矩阵对所述第一特征矩阵进行特征提取，得到第二特征矩阵。8.根据权利要求6所述的基于人工智能图像识别的特征提取装置，其特征在于，所述排2CN109815969A权利要求书2/2页序模块具体用于对所述第二特征矩阵进行矩阵转置处理，得到第三特征矩阵。9.一种计算机设备，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的基于人工智能图像识别的特征提取方法。10.一种计算机可读存储介质，其特征在于，其存储有权利要求9所述的计算机设备中所使用的计算机程序。3CN109815969A说明书1/9页一种基于人工智能图像识别的特征提取方法及装置技术领域[0001]本发明涉及人工智能领域，具体而言，涉及一种基于人工智能图像识别的特征提取方法及装置。背景技术[0002]目前，随着人工智能的快速发展，图像识别及语音识别等技