[发明专利]基于可分割卷积网络的图像识别方法、装置及计算机设备

权利要求书

1.一种基于可分割卷积网络的图像识别方法，其特征在于，包括：

接收原始图像数据；

将与所述原始图像数据对应的像素矩阵输入至卷积层中预先构建的第一卷积网络进行卷积，得到第一输出矩阵；

将所述第一输出矩阵输入至卷积层中预先构建的第二卷积网络进行卷积，得到第二输出矩阵；

将所述第二输出矩阵输入至池化层进行池化，得到池化结果；以及

将所述池化结果输入至全连接层，得到与所述原始图像数据对应的识别结果，将所述识别结果发送至所述原始图像数据对应的上传端。

2.根据权利要求1所述的基于可分割卷积网络的图像识别方法，其特征在于，所述将与所述原始图像数据对应的像素矩阵输入至卷积层中预先构建的第一卷积网络进行卷积，得到第一输出矩阵，包括：

通过3*3的深度卷积核对所述像素矩阵进行卷积，得到第一卷积结果；

将所述第一卷积结果中所包括的每一值进行归一化处理，得到第一归一化结果；

将所述第一归一化结果通过第一激活函数进行激活，以得到第一输出矩阵。

3.根据权利要求1所述的基于可分割卷积网络的图像识别方法，其特征在于，所述将所述第一输出矩阵输入至卷积层中预先构建的第二卷积网络进行卷积，得到第二输出矩阵，包括：

通过1*1的卷积核对所述第一输出矩阵进行卷积，得到第二卷积结果；

将所述第二卷积结果中所包括的每一值进行归一化处理，得到第二归一化结果；

将所述第二归一化结果通过第二激活函数进行激活，以得到第二输出矩阵。

4.根据权利要求2所述的基于可分割卷积网络的图像识别方法，其特征在于，所述通过3*3的深度卷积核对所述像素矩阵进行卷积，得到第一卷积结果，包括：

获取所述像素矩阵中的输入通道个数，通过与所述输入通道个数相同个数的3*3的深度卷积核遍历所述像素矩阵进行卷积，得到第一卷积结果。

5.根据权利要求2所述的基于可分割卷积网络的图像识别方法，其特征在于，所述将所述第一卷积结果中所包括的每一值进行归一化处理，得到第一归一化结果，包括：

获取所述第一卷积结果中所有值对应的第一平均值；

获取所述第一卷积结果中所有值对应的第一方差；

将所述第一卷积结果中每一值均减去第一方差得到的各差值除以所述第一方差，得到第一归一化结果。

6.根据权利要求2所述的基于可分割卷积网络的图像识别方法，其特征在于，所述将所述第一归一化结果通过第一激活函数进行激活，以得到第一输出矩阵，包括：

通过所述第一激活函数将所述第一归一化结果中的负值进行置零，以激活得到第一输出矩阵。

7.根据权利要求1所述的基于可分割卷积网络的图像识别方法，其特征在于，所述将所述第二输出矩阵输入至池化层进行池化，得到池化结果，包括：将所述第二输出矩阵输入至池化层通过最大值下采样或平均值下采样进行池化，得到池化结果。

8.一种基于可分割卷积网络的图像识别装置，其特征在于，包括：

图片接收单元，用于接收原始图像数据；

浅层卷积单元，用于将与所述原始图像数据对应的像素矩阵输入至卷积层中预先构建的第一卷积网络进行卷积，得到第一输出矩阵；

深层卷积单元，用于将所述第一输出矩阵输入至卷积层中预先构建的第二卷积网络进行卷积，得到第二输出矩阵；

池化单元，用于将所述第二输出矩阵输入至池化层进行池化，得到池化结果；以及

识别结果获取单元，用于将所述池化结果输入至全连接层，得到与所述原始图像数据对应的识别结果，将所述识别结果发送至所述原始图像数据对应的上传端。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于可分割卷积网络的图像识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于可分割卷积网络的图像识别方法。