[发明专利]一种基于神经网络的目标识别方法及系统

说明书

本发明实施例提供一种基于神经网络的目标识别方法及系统。包括：云平台获取训练后的神经网络，训练后的神经网络通过第一神经网络对训练样本集进行训练获得；所述云平台将训练后的神经网络的模型参数发送至目标设备，以使得所述目标设备根据所述模型参数配置第二神经网络，并利用配置后的第二神经网络对待识别图像进行识别，获取所述待识别图像中所述目标物体的位置。本发明实施例在云平台上进行神经网络的训练，并将训练好的神经网络参数发送至目标设备，利用目标设备对待识别图像进行识别，由于云计算具有低成本、高性能、通用性强、利用率高的特点，它的出现可以解决传统的目标识别方法成本较高的问题。

技术领域

本发明实施例涉及目标识别技术领域，尤其涉及一种基于神经网络的目标识别方法及系统。

背景技术

随着深度学习的兴起，越来越多的技术采用深度学习来实现图片或视频流的图像识别。相比于传统方法，深度学习避免了手动参数调节与人工特征选择的复杂性，通过搭建深层网络模型，对数据进行多层分析和抽象化特征提取，其具有高准确性、高可靠性、高适应性的特点。常见的图像识别应用涵盖了动作识别、人脸识别、目标识别、场景识别等。其中，目标识别与场景识别作为图像检索、图像分类、场景理解、环境感知的基础，在模式识别、机器学习等领域发挥着重要作用。

传统图像处理目前在各个领域的研究已经十分广泛，但真正用到实际生产中、为人类带来真正实惠的却并不多，原因在于使用成本过高，而且使用起来不是很方便。

发明内容

本发明实施例提供一种基于神经网络的目标识别方法及系统，用以解决现有技术中传统的目标识别方法成本过高的问题。

第一方面，本发明实施例提供一种基于神经网络的目标识别方法，包括：

云平台获取训练后的神经网络，训练后的神经网络通过第一神经网络对训练样本集进行训练获得；

所述云平台将训练后的神经网络的模型参数发送至目标设备，以使得所述目标设备根据所述模型参数配置第二神经网络，并利用配置后的第二神经网络对待识别图像进行识别，获取所述待识别图像中所述目标物体的位置；

获取所述待识别图像中所述目标物体的识别误差，若所述识别误差在预设范围之外，在所述待识别图像中标识出所述目标物体，并将所述待识别图像发送至所述云平台，所述云平台将所述待识别图像加入至所述训练样本集中，并利用更新后的训练样本集对所述第一神经网络重新进行训练，重新获取训练后的神经网络。

第二方面，本发明实施例提供一种基于神经网络的目标识别系统，包括：

训练模块，用于云平台获取训练后的神经网络，训练后的神经网络通过第一神经网络对训练样本集进行训练获得；

识别模块，用于所述云平台将训练后的神经网络的模型参数发送至目标设备，以使得所述目标设备根据所述模型参数配置第二神经网络，并利用配置后的第二神经网络对待识别图像进行识别，获取所述待识别图像中所述目标物体的位置；

优化模块，用于获取所述待识别图像中所述目标物体的识别误差，若所述识别误差在预设范围之外，在所述待识别图像中标识出所述目标物体，并将所述待识别图像发送至所述云平台，所述云平台将所述待识别图像加入至所述训练样本集中，并利用更新后的训练样本集对所述第一神经网络重新进行训练，重新获取训练后的神经网络。

第三方面，本发明实施例提供一种电子设备，包括：

至少一个处理器、至少一个存储器、通信接口和总线；其中，

所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；