[发明专利]构建图像特征提取模型的方法及图像识别的方法、装置

摘要

本公开涉及一种构建图像特征提取模型的方法及图像识别的方法、装置。其中，构建图像特征提取模型的方法包括：将图像特征提取模型中至少一卷积层的各个输入通道的图像特征数据与各个输入通道各自的卷积核分别进行卷积计算，得到卷积层的下一层的各个输入通道分别对应的图像特征数据，对图像特征提取模型最后一卷积层输出的图像特征数据进行分类，如果根据分类结果确定继续训练，对图像特征提取模型进行优化，重新进入对基于深度卷积神经网络的图像特征提取模型逐层进行卷积计算的步骤，如果根据分类结果确定结束训练，得到训练后的图像特征提取模型，由于通道之间特征相互独立输出，细分了个体差异，从而能够有效区分同一类物的不同个体。

主权项

1.一种构建图像特征提取模型的方法，其特征在于，包括：对基于深度卷积神经网络的图像特征提取模型逐层进行卷积计算，其中，所述图像特征提取模型中至少一卷积层的各个输入通道的图像特征数据与所述各个输入通道各自的卷积核分别进行卷积计算，得到所述卷积层的下一层的各个输入通道分别对应的图像特征数据，其中，一个所述卷积核对应下一层的一个输入通道；在所述图像特征提取模型完成卷积计算的情况下，使用分类器对所述图像特征提取模型最后一卷积层输出的图像特征数据进行分类，得到分类结果；根据所述分类结果确定继续训练还是结束训练；如果根据所述分类结果确定继续训练，使用优化器对所述图像特征提取模型进行优化，将优化后的图像特征提取模型作为新的图像特征提取模型，重新进入所述对基于深度卷积神经网络的图像特征提取模型逐层进行卷积计算，并在所述图像特征提取模型完成卷积计算的情况下，使用分类器对所述图像特征提取模型最后一卷积层输出的图像特征数据进行分类，得到分类结果，以及根据所述分类结果确定继续训练还是结束训练的步骤，直至根据所述分类结果确定结束训练，得到训练后的图像特征提取模型。