1，2，3或者4，即可以有若干個小波變換圖像，其中包含3個小波變換圖像，即上述P[m，η]包括P[m，l],P[m, 2]和P[m，3]是其中的特例。M[k]是對應(yīng)輸出特征平面的卷積模板，對k個特征平面而言，有k個，其中，k = 3時是其中的特例。例如:相對每個階次3個特征平面而言，可以根據(jù)圖像識別任務(wù)的需要，設(shè)定更多的特征平面，如可以增加數(shù)據(jù)量，也可以不增加數(shù)據(jù)量而對原特征片面做切割，例如1切4而建立12個特征平面。
[0081]另外，需要說明的是，上述P[m，n]僅表示小波變換圖像中的部分像素區(qū)域，如圖4所示，計算特征平面圖像中的右上角的像素區(qū)域時，使用P[m，l]，P[m，2]和P[m，3]中的右上角的像素區(qū)域都進(jìn)行計算。
[0082]另外，在步驟202中可以跨階進(jìn)行，這里可以有2種情況，一種是低分辨率特征輸出采用高分辨率的特征輸入，即既計算Q[2，l]時，輸入數(shù)據(jù)不僅取自P[2，1]，P[2，2]和P[2, 3]，而且也可以取自P[l, 1],P[1, 2]和P[l，3];第2種是高分辨率的特征采用低分辨率的特征輸入，既計算Q[l，1]時，輸入數(shù)據(jù)不僅取自P[l，1]，P[1，2]和P[l，3]，而且也可以取自 P[2, 1]，P[2，2]和 P[2，3]) ο
[0083]該實(shí)施方式中，跨階的參數(shù)仍然滿足空間可共享性，可以采用一致的方法實(shí)施卷積運(yùn)算，只是卷積運(yùn)算的移動步長根據(jù)各自的尺度確定。
[0084]203、使用全連接網(wǎng)絡(luò)對所述特征平面數(shù)據(jù)進(jìn)行分類識別，獲得所述圖像的識別結(jié)果Ο
[0085]本實(shí)施例中，上述方法還可以包括如下步驟:
[0086]對上述對所述小波變換數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分?jǐn)?shù)據(jù)；
[0087]步驟202可以包括:
[0088]對所述部分?jǐn)?shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)。
[0089]該實(shí)施方式中，可以實(shí)現(xiàn)對小波變換數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣，再對采樣的數(shù)據(jù)進(jìn)行特征處理運(yùn)算，而相應(yīng)的研究(例如:壓縮感知理論)表明根據(jù)原始圖像一定比例的隨機(jī)采樣樣本，通過優(yōu)化迭代計算，會有非常高的概率高質(zhì)量重建原始圖像。因此，有理由認(rèn)為原始圖像的一定比例的隨機(jī)采樣，基本保留了原始圖像的重要的服務(wù)于圖像識別的重要信息。應(yīng)用這個原理，可以通過采樣進(jìn)一步降低所需要處理的數(shù)據(jù)量。從而該實(shí)施方式中，可以進(jìn)一步降低了有效輸入數(shù)據(jù)量，因此降低了計算量。
[0090]另外，在該實(shí)施方式中，上述采樣可以使用預(yù)先獲取的概率密度分布函數(shù)對所述小波變換數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分?jǐn)?shù)據(jù)。
[0091]例如:如圖5所示的就是一種分布函數(shù)的例子，這個分布函數(shù)表示左上角概率接近1，而右下角的概率接近0。用這個分布函數(shù)來相對圖像識別目標(biāo)來說可以表示不同空間區(qū)域圖像信息的重要程度，通常來說，圖像的總體輪廓信息對識別一個物體來說會重要一點(diǎn)，而細(xì)節(jié)信息起到參考作用。特定的圖像識別任務(wù)也可能對應(yīng)了特定的分布規(guī)律(例如要做紋理分類的情況下，輪廓就不重要)，分布規(guī)律也可以根據(jù)關(guān)注區(qū)域來設(shè)定。當(dāng)產(chǎn)生1，0分布的隨機(jī)數(shù)模板，其中出現(xiàn)1的概率由上述所確定的概率密度分布函數(shù)所決定，就可以使用這個模板和輸入的小波變換數(shù)據(jù)相乘，從而可以得到上述小波變換數(shù)據(jù)的部分?jǐn)?shù)據(jù)，并計算結(jié)果送后續(xù)處理環(huán)節(jié)。這樣就可以進(jìn)一步降低非零數(shù)據(jù)量(需要處理的數(shù)據(jù))，因而降低后續(xù)處理對應(yīng)的計算量。
[0092]本實(shí)施例中，在圖1所示的實(shí)施例的基礎(chǔ)上增加了多種可選的實(shí)施方式，且都可以實(shí)現(xiàn)減少圖像識別時的計算量。
[0093]下面為本發(fā)明裝置實(shí)施例，本發(fā)明裝置實(shí)施例用于執(zhí)行本發(fā)明方法實(shí)施例一至二實(shí)現(xiàn)的方法，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，具體技術(shù)細(xì)節(jié)未揭示的，請參照本發(fā)明實(shí)施例一和實(shí)施例二。
[0094]請參閱圖6，圖6是本發(fā)明實(shí)施例提供的一種圖像識別裝置結(jié)構(gòu)示意圖，如圖6所示，包括:獲取單元61、運(yùn)算單元62和識別單元63，其中:
[0095]獲取單元61，用于獲取對輸入的圖像進(jìn)行小波變換后的空間和尺度結(jié)構(gòu)分布規(guī)律的小波變換數(shù)據(jù)。
[0096]運(yùn)算單元62，用于對所述小波變換數(shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)。
[0097]識別單元63，用于使用全連接網(wǎng)絡(luò)對所述特征平面數(shù)據(jù)進(jìn)行分類識別，獲得所述圖像的識別結(jié)果。
[0098]本實(shí)施例中，如圖7所示，上述裝置還可以包括:
[0099]采樣單元64，用于使用預(yù)先獲取的概率密度分布函數(shù)對所述小波變換數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分?jǐn)?shù)據(jù)；
[0100]所述運(yùn)算單元62可以用于對所述部分?jǐn)?shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)。
[0101]該實(shí)施方式中，可以進(jìn)一步降低了有效輸入數(shù)據(jù)量，因此降低了計算量。
[0102]本實(shí)施例中，如圖8所示，獲取單元61可以包括:
[0103]卷積單元611，用于使用第一卷積運(yùn)算模板、第二卷積運(yùn)算模板、第三卷積運(yùn)算模板和第四卷積運(yùn)算模板對第i減1階第一變換圖像進(jìn)行卷積運(yùn)算，獲得第i階第一變換圖像、第i階第二變換圖像、第i階第三變換圖像和第i階第四變換圖像，其中，第0階第一變換圖像為所述輸入的圖像，所述i的初始值為1 ;
[0104]卷積單元611還用于將所述第i階第一變換圖像、第i階第二變換圖像、第i階第三變換圖像和第i階第四變換圖像按照特定順序排放，并將所述i加1 ;
[0105]所述卷積單元611還用于在所述i加1后，使用第一卷積運(yùn)算模板、第二卷積運(yùn)算模板、第三卷積運(yùn)算模板和第四卷積運(yùn)算模板對第i減1階第一變換圖像進(jìn)行卷積運(yùn)算的步驟，直到所述第i階第一變換圖像的分辨率為預(yù)設(shè)分辨率；
[0106]置零單元612，用于將卷積單元611計算獲得的所有變換圖像中像素點(diǎn)的像素值小于預(yù)設(shè)門限的像素點(diǎn)置零。
[0107]該實(shí)施方式可以將像素值小于預(yù)設(shè)門限的像素點(diǎn)置零，這樣可以進(jìn)一步減少有效數(shù)據(jù)量，以減少計算量。
[0108]本實(shí)施例中，運(yùn)算單元63可以用于按照預(yù)設(shè)順序依次對所述小波變換數(shù)據(jù)包括的數(shù)據(jù)進(jìn)行卷積運(yùn)算或者全連接運(yùn)算，獲取特征平面數(shù)據(jù)。
[0109]本實(shí)施例中，運(yùn)算單元63可以用于根據(jù)所述小波變換數(shù)據(jù)的空間結(jié)構(gòu)分布規(guī)律使用相同的特征參數(shù)對所述小波變換數(shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)。
[0110]該實(shí)施方式中，由于在進(jìn)行特征處理運(yùn)算時使用相同的特征參數(shù)，從而可以大大減少特征參數(shù)的數(shù)據(jù)量以及相應(yīng)的計算量。
[0111]本實(shí)施例中，獲取單元61可以用于獲取經(jīng)過小波變換、量化和編碼的壓縮圖像，對所述壓縮圖像進(jìn)行編碼和量化的逆運(yùn)算，獲得對所述壓縮圖像的原始圖像進(jìn)行小波變換后的空間和尺度結(jié)構(gòu)分布規(guī)律的小波變換數(shù)據(jù)。
[0112]該實(shí)施方式中，只需要對壓縮圖像進(jìn)行編碼和量化的逆運(yùn)算就可以獲取到小波變換數(shù)據(jù)，從而可以避免小波變換過程產(chǎn)生的計算量，從而可以減少圖像識別的整體計算量。
[0113]本實(shí)施例中，上述裝置可以應(yīng)用于云計算場景，該場景中上述裝置可以由云設(shè)備中某一單元實(shí)現(xiàn)，例如:由云設(shè)備中的處理器單元實(shí)現(xiàn)上述裝置。另外，上述裝置還可以應(yīng)用于終端設(shè)備上，該場景中，上述裝置可以由終端設(shè)備中與圖像傳感器連接或者拉近的部件實(shí)現(xiàn)，例如:由終端設(shè)備的處理芯片實(shí)現(xiàn)上述裝置。且這里的終端設(shè)備包括平板電腦、手機(jī)、電子閱讀器、遙控器、PC、筆記本電腦、車載設(shè)備、網(wǎng)絡(luò)電視、可穿戴設(shè)備等具有圖像識別功能的智能設(shè)備。
[0114]本實(shí)施例中，獲取對輸入的圖像進(jìn)行小波變換后的空間和尺度結(jié)構(gòu)分布規(guī)律的小波變換數(shù)據(jù)；對所述小波變換數(shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)；使用全連接網(wǎng)絡(luò)對所述特征平面數(shù)據(jù)進(jìn)行分類識別，獲得所述圖像的識別結(jié)果。該本實(shí)施例中，由于采用小波變換對輸入的圖像做變換，而小波變換會保留圖像的空間和尺度特征，同時大幅度減少有效數(shù)據(jù)量，從而本實(shí)現(xiàn)例可以降低圖像識別時的計算量。
[0115]請參閱圖9，圖9是本發(fā)明實(shí)施例提供的另一種圖像識別裝置的結(jié)構(gòu)示意圖，如圖9所示，包括:處理器91、網(wǎng)絡(luò)接口 92、存儲器93和通信總線94，其中，所述通信總線94用于實(shí)現(xiàn)所述處理器91、網(wǎng)絡(luò)接口 92和存儲器93之間連接通信，所述處理器91執(zhí)行所述存儲器93中存儲的程序用于實(shí)現(xiàn)如下步驟:
[0116]獲取對輸入的圖像進(jìn)行小波變換后的空間和尺度結(jié)構(gòu)分布規(guī)律的小波變換數(shù)據(jù)；
[0117]對所述小波變換數(shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)；
[0118]使用全連接網(wǎng)絡(luò)對所述特征平面數(shù)據(jù)進(jìn)行分類識別，獲得所述圖像的識別結(jié)果。
[0119]本實(shí)施例中，處理器91執(zhí)行的步驟還可以包括:
[0120]使用預(yù)先獲取的概率密度分布函數(shù)對所述小波變換數(shù)據(jù)進(jìn)行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分?jǐn)?shù)據(jù)；
[0121]所述對所述小波變換數(shù)據(jù)進(jìn)行特征處理運(yùn)算，獲得特征平面數(shù)據(jù)，包括:
[0122]對所述部分?jǐn)?shù)據(jù)進(jìn)行特