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)圖像識別任務的需要，設定更多的特征平面，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)域都進行計算。
[0082]另外，在步驟202中可以跨階進行，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施卷積運算，只是卷積運算的移動步長根據(jù)各自的尺度確定。
[0084]203、使用全連接網(wǎng)絡對所述特征平面數(shù)據(jù)進行分類識別，獲得所述圖像的識別結果Ο
[0085]本實施例中，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)進行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分數(shù)據(jù)；
[0087]步驟202可以包括:
[0088]對所述部分數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)。
[0089]該實施方式中，可以實現(xiàn)對小波變換數(shù)據(jù)進行數(shù)據(jù)采樣，再對采樣的數(shù)據(jù)進行特征處理運算，而相應的研究(例如:壓縮感知理論)表明根據(jù)原始圖像一定比例的隨機采樣樣本，通過優(yōu)化迭代計算，會有非常高的概率高質量重建原始圖像。因此，有理由認為原始圖像的一定比例的隨機采樣，基本保留了原始圖像的重要的服務于圖像識別的重要信息。應用這個原理，可以通過采樣進一步降低所需要處理的數(shù)據(jù)量。從而該實施方式中，可以進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，在該實施方式中，上述采樣可以使用預先獲取的概率密度分布函數(shù)對所述小波變換數(shù)據(jù)進行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分數(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，而細節(jié)信息起到參考作用。特定的圖像識別任務也可能對應了特定的分布規(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)關注區(qū)域來設定。當產(chǎn)生1，0分布的隨機數(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)的部分數(shù)據(jù)，并計算結果送后續(xù)處理環(huán)節(jié)。這樣就可以進一步降低非零數(shù)據(jù)量(需要處理的數(shù)據(jù))，因而降低后續(xù)處理對應的計算量。
[0092]本實施例中，在圖1所示的實施例的基礎上增加了多種可選的實施方式，且都可以實現(xiàn)減少圖像識別時的計算量。
[0093]下面為本發(fā)明裝置實施例，本發(fā)明裝置實施例用于執(zhí)行本發(fā)明方法實施例一至二實現(xiàn)的方法，為了便于說明，僅示出了與本發(fā)明實施例相關的部分，具體技術細節(jié)未揭示的，請參照本發(fā)明實施例一和實施例二。
[0094]請參閱圖6，圖6是本發(fā)明實施例提供的一種圖像識別裝置結構示意圖，如圖6所示，包括:獲取單元61、運算單元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行小波變換后的空間和尺度結構分布規(guī)律的小波變換數(shù)據(jù)。
[0096]運算單元62，用于對所述小波變換數(shù)據(jù)進行特征處理運算，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)絡對所述特征平面數(shù)據(jù)進行分類識別，獲得所述圖像的識別結果。
[0098]本實施例中，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)進行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分數(shù)據(jù)；
[0100]所述運算單元62可以用于對所述部分數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)。
[0101]該實施方式中，可以進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算模板、第二卷積運算模板、第三卷積運算模板和第四卷積運算模板對第i減1階第一變換圖像進行卷積運算，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，使用第一卷積運算模板、第二卷積運算模板、第三卷積運算模板和第四卷積運算模板對第i減1階第一變換圖像進行卷積運算的步驟，直到所述第i階第一變換圖像的分辨率為預設分辨率；
[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的像素值小于預設門限的像素點置零。
[0107]該實施方式可以將像素值小于預設門限的像素點置零，這樣可以進一步減少有效數(shù)據(jù)量，以減少計算量。
[0108]本實施例中，運算單元63可以用于按照預設順序依次對所述小波變換數(shù)據(jù)包括的數(shù)據(jù)進行卷積運算或者全連接運算，獲取特征平面數(shù)據(jù)。
[0109]本實施例中，運算單元63可以用于根據(jù)所述小波變換數(shù)據(jù)的空間結構分布規(guī)律使用相同的特征參數(shù)對所述小波變換數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)。
[0110]該實施方式中，由于在進行特征處理運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)量以及相應的計算量。
[0111]本實施例中，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，對所述壓縮圖像進行編碼和量化的逆運算，獲得對所述壓縮圖像的原始圖像進行小波變換后的空間和尺度結構分布規(guī)律的小波變換數(shù)據(jù)。
[0112]該實施方式中，只需要對壓縮圖像進行編碼和量化的逆運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]本實施例中，上述裝置可以應用于云計算場景，該場景中上述裝置可以由云設備中某一單元實現(xiàn)，例如:由云設備中的處理器單元實現(xiàn)上述裝置。另外，上述裝置還可以應用于終端設備上，該場景中，上述裝置可以由終端設備中與圖像傳感器連接或者拉近的部件實現(xiàn)，例如:由終端設備的處理芯片實現(xiàn)上述裝置。且這里的終端設備包括平板電腦、手機、電子閱讀器、遙控器、PC、筆記本電腦、車載設備、網(wǎng)絡電視、可穿戴設備等具有圖像識別功能的智能設備。
[0114]本實施例中，獲取對輸入的圖像進行小波變換后的空間和尺度結構分布規(guī)律的小波變換數(shù)據(jù)；對所述小波變換數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)；使用全連接網(wǎng)絡對所述特征平面數(shù)據(jù)進行分類識別，獲得所述圖像的識別結果。該本實施例中，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)明實施例提供的另一種圖像識別裝置的結構示意圖，如圖9所示，包括:處理器91、網(wǎng)絡接口 92、存儲器93和通信總線94，其中，所述通信總線94用于實現(xiàn)所述處理器91、網(wǎng)絡接口 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現(xiàn)如下步驟:
[0116]獲取對輸入的圖像進行小波變換后的空間和尺度結構分布規(guī)律的小波變換數(shù)據(jù)；
[0117]對所述小波變換數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)；
[0118]使用全連接網(wǎng)絡對所述特征平面數(shù)據(jù)進行分類識別，獲得所述圖像的識別結果。
[0119]本實施例中，處理器91執(zhí)行的步驟還可以包括:
[0120]使用預先獲取的概率密度分布函數(shù)對所述小波變換數(shù)據(jù)進行數(shù)據(jù)采樣，獲取所述小波變換數(shù)據(jù)的部分數(shù)據(jù)；
[0121]所述對所述小波變換數(shù)據(jù)進行特征處理運算，獲得特征平面數(shù)據(jù)，包括:
[0122]對所述部分數(shù)據(jù)進行特