[发明专利]图片识别方法和装置

权利要求书

1.一种图片识别方法，包括：

从至少两个原始数据集中获取训练图片，生成训练数据集，其中，所述训练图片包括用于标记目标类别的标记数据，每个所述原始数据集包括至少两种类别的标记数据；

将所述训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型；

将待识别图片输入所述目标检测模型，以确定所述待识别图片中包含所述目标类别的区域。

2.根据权利要求1所述的方法，其中，所述将所述训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型，包括：

将ImageNet数据集作为训练样本，对预先建立的检测模型进行训练，获取所述目标检测模型的预训练结果；

将所述训练数据集作为训练样本，采用深度学习算法训练所述预训练结果，得到所述目标检测模型。

3.根据权利要求1所述的方法，其中，所述从至少两个原始数据集中获取训练图片，包括：

在原始数据集中检测所述目标类别的标记数据，并删除该原始数据集中除所述目标类别之外的其它类别的标记数据；

根据所检测出的目标类别的标记数据，从所述原始数据集中获取所述训练图片。

4.根据权利要求3所述的方法，其中，所述根据所检测出的标记数据，从所述原始数据集中获取所述训练图片，包括：

确定与所检测出的标记数据所对应的图片的地址信息；

利用所确定的图片的地址信息，从所述原始数据集中获取所述训练图片。

5.根据权利要求1所述的方法，其中，所述从至少两个原始数据集中获取训练图片，生成训练数据集，还包括：

从至少两个原始数据集中获取训练图片；

构建格式转化脚本；

利用所述格式转化脚本，将从至少两个原始数据集中获取的训练图片的标记数据转化为目标格式；

将具有目标格式的训练图片添加至所述训练数据集。

6.一种图片识别装置，包括：

获取单元，配置用于从至少两个原始数据集中获取训练图片，生成训练数据集，其中，所述训练图片包括用于标记目标类别的标记数据，每个所述原始数据集包括至少两种类别的标记数据；

训练单元，配置用于将所述训练数据集作为训练样本，采用深度学习算法训练得到目标检测模型；

确定单元，配置用于将待识别图片输入所述目标检测模型，以确定所述待识别图片中包含所述目标类别的区域。

7.根据权利要求6所述的装置，其中，所述训练单元进一步配置用于：

将ImageNet数据集作为训练样本，对预先建立的检测模型进行训练，获取所述目标检测模型的预训练结果；

将所述训练数据集作为训练样本，采用深度学习算法训练所述预训练结果，得到所述目标检测模型。

8.根据权利要求6所述的装置，其中，所述获取单元包括：

删除模块，配置用于在原始数据集中检测所述目标类别的标记数据，并删除该原始数据集中除所述目标类别之外的其它类别的标记数据；

获取模块，配置用于根据所检测出的目标类别的标记数据，从所述原始数据集中获取所述训练图片。

9.根据权利要求8所述的装置，其中，所述获取模块进一步配置用于：

确定与所检测出的标记数据所对应的图片的地址信息；

利用所确定的图片的地址信息，从所述原始数据集中获取所述训练图片。

10.根据权利要求6所述的装置，其中，所述获取单元进一步配置用于：

从至少两个原始数据集中获取训练图片；

构建格式转化脚本；

利用所述格式转化脚本，将从至少两个原始数据集中获取的训练图片的标记数据转化为目标格式；

将具有目标格式的训练图片添加至所述训练数据集。