(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210755026.1 (22)申请日 2022.06.30 (71)申请人 闽南理工学院 地址 362000 福建省泉州市石 狮宝盖风景 区 (72)发明人 朱诗泉　李昕　张舒淋　郑杰　 王家琦　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 朱灵春 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 图像识别方法及装置、 存 储介质及电子设备 (57)摘要 本公开提供了一种图像识别方法及装置、 存 储介质及电子设备， 涉及深度学习技术领域。 获 取图像数据集； 对所述图像数据集提取图像特 征； 将所述图像特征的像素点与预设特征集的像 素点进行相似度匹配， 获取相似度匹配值； 将相 似度匹配值超 过预设阈值的图像数据识别出来， 得到识别图像集。 实现对图像特 征的准确识别。 权利要求书1页 说明书6页 附图3页 CN 115294366 A 2022.11.04 CN 115294366 A 1.一种图像特 征识别方法， 其特 征在于， 包括： 获取图像数据集； 对所述图像数据集 提取图像特 征； 将所述图像特征的像素点与预设特征集的像素点进行相似度匹配， 获取相似度匹配 值； 将相似度匹配值超过 预设阈值的图像数据识别出来， 得到识别图像集。 2.根据权利要求1所述的图像特征识别方法， 其特征在于， 在所述获取图像数据集之后 和对所述图像数据集 提取图像特 征之前， 包括： 将所述图像数据集进行像素划分； 将像素划分后的图像数据集输入预设神经网络模型。 3.根据权利要求2所述的图像特征识别方法， 其特征在于， 所述预设神经网络模型为 Inception ‑ResNet网络模型， 所述Inception ‑ResNet网络模型是Inception网络与残差网 络的结合。 4.根据权利要求3中所述的图像特 征识别方法， 其特 征在于， 所述方法还 包括： 对所述预设神经网络模型进行神经网络 权值初始化； 通过所述预设神经网络的输出值计算损失值； 根据所述损失值更新所述预设神经网络的权值， 获得新权值； 直至所述 新权值对应的损失值 不再改变， 则停止更新所述预设神经网络的权值。 5.根据权利要求4所述的图像特征识别方法， 其特征在于， 所述将相似度匹配值超过预 设阈值的图像数据识别出来之后， 包括： 对所述识别图像集中的图像进行属性标记； 将所述识别图像集中的图像特 征以及属性标记进行输出显示。 6.根据权利要求2所述的图像特征识别方法， 其特征在于， 所述预设神经网络模型为 YOLO‑V5网络模型； 分析所述YOLO ‑V5网络模型在图像识别过程中的识别错 误； 根据所述识别错 误对所述预设特 征集进行迭代训练。 7.一种图像特 征识别装置， 其特 征在于， 包括： 数据获取模块， 用于获取图像数据集； 特征提起模块， 用于对所述图像数据集 提取图像特 征； 匹配模块， 用于将所述图像特征的像素点与预设特征集的像素点进行相似度匹配， 获 取相似度匹配值； 图像识别模块， 将相似度匹配值超过 预设阈值的图像数据识别出来。 8.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1～6 中任意一项所 述图像特 征识别方法。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1～6中任意 一项所述的图像特 征识别方法。权　利　要　求　书 1/1 页 2 CN 115294366 A 2图像识别方 法及装置、 存储介质及电子 设备 技术领域 [0001]本公开涉及深度学习技术领域， 尤其涉及一种图像识别方法及装置、 存储介质及 电子设备。 背景技术 [0002]目前深度学习算法在图像识别、 目标检测以及语音识别等领域取得了一系列突破 性的成果， 其特征提取简单、 具有较强迁移学习能力， 构建好网络模型后， 便可依据网络结 构自动从数据中提取有效特征。 与传统的浅层学习相比， 深度学习不需要依靠经验人为的 选择特征， 它 可以依据神经网络的结构自动的学习深层次的特征， 具有强大 的特征学习能 力和分类能力。 [0003]同时， 也存在着很多问题， 当网络层次太深时， 采用BP传播修改参数会使靠近输入 层的参数改动较慢； 池化层 会丢失大量有价值信息， 忽略局部与整体之间关联性； 由于特征 提取的封装， 使得网络性能的改进受到阻碍 。 图像识别的效率个准确性较低。 [0004]因此， 目前急需一种能够准确高效地对图像进行识别的方法。 [0005]需要说明的是， 在上述背景技术部分公开的信息仅用于加强对本公开的背景的理 解， 因此可以包括 不构成对本领域普通 技术人员已知的现有技 术的信息 。 发明内容 [0006]本公开的目的在于提供一种图像识别方法及装置、 存储介质及电子设备， 至少在 一定程度上 克服由于相关技 术的图像识别的效率较低的问题。 [0007]本公开的其他特性和优点将通过下面的详细描述变得显然， 或部分地通过本公开 的实践而习得。 [0008]根据本公开的一个方面， 提供一种图像特 征识别方法， 包括： [0009]获取图像数据集； [0010]对所述图像数据集 提取图像特 征； [0011]将所述图像特征的像素点与预设特征集的像素点进行相似度匹配， 获取相似度匹 配值； [0012]将相似度匹配值超过 预设阈值的图像数据识别出来， 得到识别图像集。 [0013]在本公开一个实施例中， 在所述获取图像数据集之后和对所述图像数据集提取图 像特征之前， 包括： [0014]将所述图像数据集进行像素划分； [0015]将像素划分后的图像数据集输入预设神经网络模型。 [0016]在本公开一个实施例中， 所述预设神经网络模型为Inception ‑ResNet网络模型， 所述Inception‑ResNet网络模型 是Inception网络与残差网络的结合。 [0017]在本公开 一个实施例中， 所述方法还 包括： [0018]对所述预设神经网络模型进行神经网络 权值初始化；说　明　书 1/6 页 3 CN 115294366 A 3