获取深度一次性学习模型的方法、图像识别方法及装置

摘要

本发明公开了一种获取深度一次性学习模型的方法、图像识别方法及装置，获取深度一次性学习模型的方法包括：将包含少量目标图像和背景图像的预设数据集中每一幅目标图像输入预设CNN模型，选择预设CNN模型隐含层中任一层输出图像作为该目标图像的特征图像集；采用预设数据集中背景图像，通过PCA方法确定降维矩阵，对所有特征图像集进行降维，生成降维特征图像集；将所有降维特征图像集输入预设贝叶斯学习模型，对降维特征图像集对应的目标图像进行识别，构建深度一次性学习模型；采用预设数据集对深度一次性学习模型进行训练，直到模型收敛，获取收敛后的深度一次性学习模型。采用收敛后的深度一次性学习模型对图像进行识别，识别率较高。