[发明专利]图像识别方法、图像识别装置、电子装置与图像识别平台

权利要求书

1.一种图像识别方法，其特征在于，包括：

接收模型环境文件以及基础配置文件，所述模型环境文件至少包括TensorFlow文件、Pytorch文件以及MXNet文件，所述基础配置文件为深度学习模型运行所需的环境相关的配置文件，所述模型环境文件的版本信息与所述基础配置文件的版本信息相匹配；

基于所述模型环境文件以及所述基础配置文件，构建基础服务镜像，所述基础服务镜像为所述模型环境文件与所述基础配置文件的冗余备份；

接收目标深度学习模型文件，并基于所述目标深度学习模型文件以及所述基础服务镜像，构建目标镜像服务，所述目标深度学习模型文件为用于对目标图像进行识别的深度学习模型文件；

采用所述目标镜像服务对所述目标图像进行识别。

2.根据权利要求1所述的图像识别方法，其特征在于，所述基础配置文件至少包括：图形加速卡驱动、并行计算框架以及深度神经网络加速库，所述图形加速卡驱动为图像加速卡的驱动。

3.根据权利要求1所述的图像识别方法，其特征在于，基于所述模型环境文件以及所述基础配置文件，构建基础服务镜像，包括：

创建Docker文件，并将所述基础配置文件的存储位置以及版本信息写入所述Docker文件中，得到更新后的所述Docker文件；

读取更新后的所述Docker文件，以对所述模型环境文件的存储位置进行映射，得到所述基础服务镜像。

4.根据权利要求1所述的图像识别方法，其特征在于，基于所述目标深度学习模型文件以及所述基础服务镜像，构建目标镜像服务，包括：

基于所述目标深度学习模型文件的标签信息，从所述基础服务镜像中加载与所述目标深度学习模型文件相匹配的所述模型环境文件；

基于与所述目标深度学习模型文件相匹配的所述模型环境文件以及所述基础配置文件，启动所述目标深度学习模型文件，得到所述目标镜像服务。

5.根据权利要求1所述的图像识别方法，其特征在于，采用所述目标镜像服务对所述目标图像进行识别，包括：

接收所述目标图像的JSON格式数据报文，并对所述JSON格式数据报文进行识别，得到目标字符串，所述JSON格式数据报文包含请求标识符及对所述目标图像采用Base64编码方式进行编码得到的所述目标字符串；

根据运行在Kubernetes集群上的所述目标镜像服务，对所述目标字符串进行识别，得到字符串格式的识别结果，字符串格式的所述识别结果至少包括所述目标图像上的文字信息。

6.根据权利要求5所述的图像识别方法，其特征在于，接收所述目标图像的JSON格式数据报文，并对所述JSON格式数据报文进行识别，得到目标字符串，包括：

基于RESTful接口接收所述目标图像的JSON格式数据报文，并对所述JSON格式数据报文进行识别，得到所述目标字符串。

7.根据权利要求5所述的图像识别方法，其特征在于，根据运行在Kubernetes集群上的所述目标镜像服务，对所述目标字符串进行识别，得到字符串格式的识别结果之后，所述图像识别方法还包括以下之一：

通过RESTful接口，将字符串格式的识别结果发送至对应的可视化界面上，以在所述可视化界面上显示字符串格式的识别结果；

将字符串格式的识别结果存储至目标介质中，所述目标介质包括以下至少之一：EXCEL文本、数据库。