The invention discloses a method and system, image conversion label among them, the implementation method including image conversion tag: the convolution neural network model the image down sampling processing information for convolutional neural network, image basic information extraction; dimensionality reduction process with fully connected neural network basic information on the depth of the image information acquisition, image basic information after dimensionality reduction; simplified by embedding a layer of the lower dimensional image basic information, obtain the simplified image basic information; calculation of the simplified image basic information using long short term memory access model, calculate the output value; judging whether the output value is calculated for the termination if the output symbol conversion label, if not, repeat the last step. In the embodiment of the invention, the corresponding image label information can be independently produced by the computer, thereby improving the efficiency and speed of the image recognition.
【技术实现步骤摘要】
一种实现图像转换标签的方法及系统
本专利技术涉及图像处理
,尤其涉及一种实现图像转换标签的方法及系统。
技术介绍
随着社会的不断发展,计算机视觉领域也进入了高速发展的时代。但是目前的科学研究的发展还未能让计算机像人类一样具备自主思维,因此如何让计算机能够自动的识别一个图片的内容成为了迫在眉睫急需解决的问题。机器学习和深度学习的出现使得人们得以尝试通过让计算机自主提取特征的方式让计算机对人类世界的图像进行分析。现在通过卷积神经网络模型,已经可以进行有监督的较为精确率的图像识别功能。但是这还远远不足,人们需要让计算机自动的给图像标上标签,从而实现无监督的自主识别,进一步达成真正意义上的计算机对图片分类。但是在信息快速传播的今日,大数据填充着人们的生活,在这些数据中,不可能存在有大量贴好标签的数据,因此一种无监督的图像数据识别自动贴标签的技术越来越受到人们的生活需求。目前所用的图像识别技术为有监督的图像识别技术,即需要给出图像的标签,利用已知的标签信息对数据库中的图像进行模型的搭建并训练。通过使用训练好的模型架构来进行新的图像的分类。但是在信息快速传播的今日,大数据包围的我们很难有一个准确的已经人工贴好标签的数据集进行模型的训练,因此这种技术水平无法达到人们的需求。
技术实现思路
本专利技术的目的在于克服现有技术的不足,本专利技术提供了一种实现图像转换标签的方法及系统,可以通过计算机自主生产对应的图像标签信息,提高了图像识别的效率和速度。为了解决上述技术问题,本专利技术实施例提供了一种实现图像转换标签的方法所述实现图像转换标签的方法包括:采用卷积神经网络模型对 ...
【技术保护点】
一种实现图像转换标签的方法,其特征在于,所述实现图像转换标签的方法包括:采用卷积神经网络模型对图像信息进行卷积神经网络降采样处理,提取图像基本信息;采用全连接深度神经网络对所述图像信息的基本信息进行降维处理,获取降维后的图像基本信息;对所述降维后的图像基本信息通过嵌入层进行简化处理,获取简化图像基本信息;采用长短期记忆模型对所述简化图像基本信息进行计算,获取计算输出值;判断所述计算输出值是否为终止符号,若是则输出转换标签,若否,则重复上一步骤。
【技术特征摘要】
1.一种实现图像转换标签的方法,其特征在于,所述实现图像转换标签的方法包括:采用卷积神经网络模型对图像信息进行卷积神经网络降采样处理,提取图像基本信息;采用全连接深度神经网络对所述图像信息的基本信息进行降维处理,获取降维后的图像基本信息;对所述降维后的图像基本信息通过嵌入层进行简化处理,获取简化图像基本信息;采用长短期记忆模型对所述简化图像基本信息进行计算,获取计算输出值;判断所述计算输出值是否为终止符号,若是则输出转换标签,若否,则重复上一步骤。2.根据权利要求1所述的实现图像转换标签的方法,其特征在于,所述卷积神经网络模型采用21层神经网络层次架构,所述21层神经网络层次架构分别为16个卷积层和5个降采样层。3.根据权利要求1所述的实现图像转换标签的方法,其特征在于,所述采用卷积神经网络模型对图像信息进行卷积神经网络降采样处理,包括:所述卷积神经网络模型接收所述图像信息,并确定所述卷积神经网络模型最大降采样层;采用所述卷积神经网络模型最大降采样对所述图像信息进行采样处理,获取图像基本信息;所述图像基本信息至少包括图像长宽、图像像素、图像内容。4.根据权利要求1所述的实现图像转换标签的方法,其特征在于,所述采用全连接深度神经网络对所述图像信息的基本信息进行降维处理,包括:采用全连接深度神经网络中的隐藏层激活函数对所述图像信息进行处理,获取处理结果;对所述处理结果采用全连接深度神经网络中的输出层激活函数进行处理,获取降维后的图像基本信息;所述获取降维后的图像基本信息为一维数据信息;所述隐藏层激活函数为ReLu函数,所述输出层激活函数为softmax函数。5.根据权利要求1所述的实现图像转换标签的方法,其特征在于,所述对所述降维后的图像基本信息通过嵌入层进行简化处理,包括:采用嵌入层中的查找表对所述降维后的图像基本信进行简化处理。6.根据权利要求1所述的实现图像转换标签的方法,其特征在于,所述采用长短期记忆模型对所述简化图像基本信息进行计算,包括:根据当前获取的所述简化图像基本信息与当前留存在单元格内的简化图像基本信息进行计算,获取留存简化图像基...
【专利技术属性】
技术研发人员:胡建国,商家煜,黄俊威,李仕仁,梁津铨,
申请(专利权)人:广州智慧城市发展研究院,广州搏创信息科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。