申请/专利权人:苏州大学
申请日:2020-02-18
公开(公告)日:2023-12-01
公开(公告)号:CN111291694B
主分类号:G06T1/40
分类号:G06T1/40;G06V10/70;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2023.12.01#授权;2020.07.10#实质审查的生效;2020.06.16#公开
摘要:本申请涉及一种菜肴图像识别方法及装置存储介质,属于计算机技术领域,该方法包括:获取待识别的目标菜肴图像;获取图像识别模型,图像识别模型基于神经网络模型建立,且在神经网络模型中的多层中间层中添加了批归一化层,批归一化层包括归一化层和线性变换层;该归一化层用于对当前层的输入数据进行归一化;线性变换层用于将归一化后的数据线性变换至预设分布区间,线性变换层中的线性变换参数是通过对图像识别模型进行训练得到的;将目标菜肴图像输入图像识别模型,得到图像识别结果;可以解决现有的菜肴图像识别模型忽略数据分布随神经网络加深而梯度消失的问题;保证多层中间层计算后数据分布仍存在梯度,提高菜肴识别的准确性。
主权项:1.一种菜肴图像识别方法,其特征在于,所述方法包括:获取待识别的目标菜肴图像;获取多种类型的图像识别模型,所述图像识别模型基于神经网络模型建立,且所述神经网络模型中的多层中间层添加了批归一化层,所述批归一化层包括归一化层和线性变换层;所述归一化层用于对当前层的输入数据进行归一化;所述线性变换层用于将归一化后的数据线性变换至预设分布区间,所述线性变换层中的线性变换参数是通过对所述图像识别模型进行训练得到的;建立多个请求处理服务器,其中,所述请求处理服务器上运行有所述多种类型的图像识别模型;确定第一预设时长内图像识别请求的数量是否大于请求阈值,所述图像识别请求携带有所述目标菜肴图像;在所述图像识别请求的数量大于所述请求阈值时增加请求处理服务器,所述请求处理服务器用于处理图像识别请求;基于负载均衡原则将各个图像识别请求调度至各个请求处理服务器;获取发送所述图像识别请求的用户端选择的位置信息,所述请求处理服务器基于所述位置信息从所述多种类型的图像识别模型确定目标类型的图像识别模型;所述请求处理服务器将所述目标菜肴图像输入所述目标类型的图像识别模型,所述目标类型的图像识别模型输出从所述目标菜肴图像中识别的菜肴。
全文数据:
权利要求:
百度查询: 苏州大学 菜肴图像识别方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。