一种提升图像识别准确率的方法和系统与流程

1.本发明属于图像识别技术领域，尤其涉及一种提升图像识别准确率的方法和系统。


背景技术：

2.借助于深度学习在特征提取方面的优越性，图像分类、目标检测和目标跟踪等计算机视觉技术在安防、自动驾驶、医疗和军事等领域实现了广泛的应用。然而，深度学习属于统计学习的范畴，高度依赖质量较高且数量较大的数据。通过训练得到的神经网络模型会过拟合训练数据，泛化能力较弱，对训练集中未出现场景的处理能力较差。目前，研究者多基于影响力较大的公共数据集来设计和评测模型性能。这些公共数据集有一个共同缺点，即多为理想环境且数据分布较为单一，因此设计的ai视觉模型（如目标检测、目标跟踪等）较难适用于复杂多变的真实场景，落地部署的应用效果较差。
3.一般的智能视频分析系统可以简单分为采集端、处理端和显示端。采集端多为部署在现场的摄像头等图像采集设备；处理端多为部署在远程的gpu分布式服务器。人工智能算法由于参数较大且复杂度较高，所以大多部署在具有大规模数据计算能力的处理端，从而对采集端传输的视频图像实现快速的分析。然而，在采集端收集视频图像时，会受到各种噪声因素的影响，不利于目标的特征提取。比如，强光高曝光、低光黑暗场景、目标运动模糊、相机抖动、目标被干扰物体遮挡和雨雾沙尘等恶劣天气的环境噪声因素。此外，从采集端到处理端的传输过程中，受到实际条件的制约，会出现低带宽、高丢包、高误码和强噪声等信道噪声因素，降低处理端解码得到的视频图像质量，从而影响后续的信息提取及针对目标的检测识别。
4.采集和传输过程中出现的各种噪声因素不仅会增大获取图像中有用信息的难度，而且会影响图像中重要目标的特征提取和识别检测等分析任务，进而降低计算机视觉系统的性能。因此，如何提升实际场景中各类噪声条件下ai视觉算法的识别准确率是非常重要的研究方向，对视觉落地应用具有重要的理论及指导意义。


技术实现要素：

5.为解决现有ai视觉算法在实际噪声环境下会出现识别准确率下降较为明显这一技术问题，本发明提出了一种提升图像识别准确率的方案。
6.本发明第一方面公开了一种提升图像识别准确率的方法。所述方法基于识别准确率提升装置实现，所述识别准确率提升装置包括视频增强模块、传输差错控制模块、算法调参模块、视频增强与算法调参的联合优化模块、准确率计算模块，所述方法包括：步骤s1、获取用于执行图像识别的视觉识别算法，所述视觉识别算法具有期望识别准确率，所述期望识别准确率高于所述视觉识别算法的当前识别准确率；步骤s2、根据待识别的图像数据中的噪声类型，为所述视觉识别算法提供对应的解决方案集，所述解决方案集中包括至少一个解决方案；
步骤s3、按照复杂度从低到高的顺序遍历所述解决方案集中的各个解决方案，直到所述视觉识别算法的识别准确率高于所述期望识别准确率。
7.根据本发明第一方面的方法，在所述步骤s1中，所述期望识别准去率比所述当前识别准确率高20%
‑
30%。
8.根据本发明第一方面的方法，所述噪声类型包括环境噪声、信道噪声、所述环境噪声与所述信道噪声的混合噪声，在所述步骤s2中：当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集。
9.根据本发明第一方面的方法，当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案1
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法；解决方案1
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案1
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法，并利用所述算法调参模块对经数据增强的视觉识别算法进行参数调整处理；解决方案1
‑
4：利用所述联合优化模块对所述视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案1
‑
1、所述解决方案1
‑
2、所述解决方案1
‑
3、所述解决方案1
‑
4的复杂度按照先后顺序递增。
10.根据本发明第一方面的方法，当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案2
‑
1：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法；解决方案2
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案2
‑
3：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经传输差错控制的视觉识别算法进行参数调整处理；其中，所述解决方案2
‑
1、所述解决方案2
‑
2、所述解决方案2
‑
3的复杂度按照先后顺序递增。
11.根据本发明第一方面的方法，当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案3
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强
算法和所述传输差错控制模块中的传输差错控制算法；解决方案3
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案3
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经数据增强和传输差错控制的视觉识别算法进行参数调整处理；解决方案3
‑
4：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述联合优化模块对经传输差错控制的视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案3
‑
1、所述解决方案3
‑
2、所述解决方案3
‑
3、所述解决方案3
‑
4的复杂度按照先后顺序递增。
12.根据本发明第一方面的方法，在所述步骤s3中，利用所述解决方案集中的解决方案识别所述待识别的图像数据，调用所述准确率计算模块，基于识别前后的图像数据计算此次识别准确率，所述此次识别准确率高于所述期望识别准确率时，将当次识别所采用的的解决方案作为所述视觉识别算法的提升优化结果，否则采用所述解决方案集中的下一解决方案继续执行识别所述待识别的图像数据。
13.本发明第二方面公开了一种提升图像识别准确率的系统。所述系统基于识别准确率提升装置实现，所述识别准确率提升装置包括视频增强模块、传输差错控制模块、算法调参模块、视频增强与算法调参的联合优化模块、准确率计算模块，所述系统包括：第一处理单元，被配置为，获取用于执行图像识别的视觉识别算法，所述视觉识别算法具有期望识别准确率，所述期望识别准确率高于所述视觉识别算法的当前识别准确率；第二处理单元，被配置为，根据待识别的图像数据中的噪声类型，为所述视觉识别算法提供对应的解决方案集，所述解决方案集中包括至少一个解决方案；第三处理单元，被配置为，按照复杂度从低到高的顺序遍历所述解决方案集中的各个解决方案，直到所述视觉识别算法的识别准确率高于所述期望识别准确率。
14.根据本发明第二方面的系统，在所述步骤s1中，所述期望识别准去率比所述当前识别准确率高20%
‑
30%。
15.根据本发明第二方面的系统，所述噪声类型包括环境噪声、信道噪声、所述环境噪声与所述信道噪声的混合噪声，所述第二处理单元具体被配置为：当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集。
16.根据本发明第二方面的系统，当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：
解决方案1
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法；解决方案1
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案1
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法，并利用所述算法调参模块对经数据增强的视觉识别算法进行参数调整处理；解决方案1
‑
4：利用所述联合优化模块对所述视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案1
‑
1、所述解决方案1
‑
2、所述解决方案1
‑
3、所述解决方案1
‑
4的复杂度按照先后顺序递增。
17.根据本发明第二方面的系统，当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案2
‑
1：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法；解决方案2
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案2
‑
3：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经传输差错控制的视觉识别算法进行参数调整处理；其中，所述解决方案2
‑
1、所述解决方案2
‑
2、所述解决方案2
‑
3的复杂度按照先后顺序递增。
18.根据本发明第二方面的系统，当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案3
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法；解决方案3
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案3
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经数据增强和传输差错控制的视觉识别算法进行参数调整处理；解决方案3
‑
4：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述联合优化模块对经传输差错控制的视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案3
‑
1、所述解决方案3
‑
2、所述解决方案3
‑
3、所述解决方案3
‑
4的复杂度按照先后顺序递增。
19.根据本发明第二方面的系统，所述第三处理单元具体被配置为：利用所述解决方案集中的解决方案识别所述待识别的图像数据，调用所述准确率计算模块，基于识别前后的图像数据计算此次识别准确率，所述此次识别准确率高于所述期望识别准确率时，将当次识别所采用的的解决方案作为所述视觉识别算法的提升优化结果，否则采用所述解决方案集中的下一解决方案继续执行识别所述待识别的图像数据。
20.本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述
存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种提升图像识别准确率的方法中的步骤。
21.本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种提升图像识别准确率的方法中的步骤。
22.综上，本发明以提升各类噪声情况下ai视觉算法的识别准确率为出发点，提出一种对ai视觉算法在复杂噪声情况下进行性能验证和提升的方案。该方案覆盖面广、扩展性强，系统性地对噪声图像的采集和传输流程进行建模，根据实际部署场景需求，自动生成多种基于该视觉算法优化的解决方案；通过迭代循环的方法，将ai视觉算法和视频图像增强算法深度关联，从而最大程度地提升ai视觉算法对各类噪声因素的鲁棒能力。
附图说明
23.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1为根据本发明实施例的一种提升图像识别准确率的方法的流程图；图2为根据本发明实施例的一个实施例的示意图；图3为根据本发明实施例的一种提升图像识别准确率的系统的结构图；图4为根据本发明实施例的一种电子设备的结构图。
具体实施方式
25.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.本发明第一方面公开了一种提升图像识别准确率的方法。所述方法基于识别准确率提升装置实现，所述识别准确率提升装置包括视频增强模块、传输差错控制模块、算法调参模块、视频增强与算法调参的联合优化模块、准确率计算模块。
27.图1为根据本发明实施例的一种提升图像识别准确率的方法的流程图；如图1所示，所述方法包括：步骤s1、获取用于执行图像识别的视觉识别算法，所述视觉识别算法具有期望识别准确率，所述期望识别准确率高于所述视觉识别算法的当前识别准确率；步骤s2、根据待识别的图像数据中的噪声类型，为所述视觉识别算法提供对应的解决方案集，所述解决方案集中包括至少一个解决方案；步骤s3、按照复杂度从低到高的顺序遍历所述解决方案集中的各个解决方案，直到所述视觉识别算法的识别准确率高于所述期望识别准确率。
28.在步骤s1，获取用于执行图像识别的视觉识别算法，所述视觉识别算法具有期望识别准确率，所述期望识别准确率高于所述视觉识别算法的当前识别准确率。
29.在一些实施例中，在所述步骤s1中，所述期望识别准去率比所述当前识别准确率高20%
‑
30%。
30.在步骤s2，根据待识别的图像数据中的噪声类型，为所述视觉识别算法提供对应的解决方案集，所述解决方案集中包括至少一个解决方案。
31.在一些实施例中，所述噪声类型包括环境噪声、信道噪声、所述环境噪声与所述信道噪声的混合噪声，在所述步骤s2中：当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集。
32.在一些实施例中，当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案1
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法；解决方案1
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案1
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法，并利用所述算法调参模块对经数据增强的视觉识别算法进行参数调整处理；解决方案1
‑
4：利用所述联合优化模块对所述视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案1
‑
1、所述解决方案1
‑
2、所述解决方案1
‑
3、所述解决方案1
‑
4的复杂度按照先后顺序递增。
33.方案1
‑
1：环境噪声数据通过对应的视频图像增强算法，获得增强的视频数据，再将增强数据输入到带有预训练参数的ai视觉算法中预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案1
‑
2。当采集端有计算能力时，增强过程可在采集端或接收端完成。
34.方案1
‑
2：将环境噪声数据直接输入到ai视觉算法中训练，得到参数调整后的ai视觉算法。通过预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，执行方案1
‑
3。
35.方案1
‑
3：环境噪声数据通过对应的视频图像增强算法，获得质量增强的视频数据，再将增强数据输入到ai视觉算法中训练，得到参数调整后的ai视觉算法。使用该方案进行预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案1
‑
4。
36.方案1
‑
4：将环境噪声数据输入到视频增强算法与ai视觉算法的联合优化算法中进行训练，得到参数调整后的视频增强算法和ai视觉算法。使用该方案预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案。
37.在一些实施例中，当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案2
‑
1：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法；解决方案2
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案2
‑
3：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经传输差错控制的视觉识别算法进行参数调整处理；其中，所述解决方案2
‑
1、所述解决方案2
‑
2、所述解决方案2
‑
3的复杂度按照先后顺序递增。
38.方案2
‑
1：信道噪声数据通过传输差错控制及恢复算法，获得质量增强的视频数据，再将增强数据输入到带有预训练参数的ai视觉算法中预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案2
‑
2。
39.方案2
‑
2：将信道噪声数据直接输入到ai视觉算法中训练，得到参数调整后的ai视觉算法。使用预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案2
‑
3。
40.方案2
‑
3：信道噪声数据通过传输差错控制及恢复算法，获得质量增强的视频数据，再将增强数据输入到ai视觉算法中训练，得到参数调整后的ai视觉算法。使用该方案进行预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案。
41.在一些实施例中，当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案3
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法；解决方案3
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案3
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经数据增强和传输差错控制的视觉识别算法进行参数调整处理；解决方案3
‑
4：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述联合优化模块对经传输差错控制的视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案3
‑
1、所述解决方案3
‑
2、所述解决方案3
‑
3、所述解决方案3
‑
4的复杂度按照先后顺序递增。
42.方案3
‑
1：混合噪声数据通过对应的视频图像增强算法和传输差错控制及恢复算法，获得质量增强的视频数据，再将增强数据输入到带有预训练参数的ai视觉算法中预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案3
‑
2。
43.方案3
‑
2：将混合噪声数据直接输入到ai视觉算法中训练，得到参数调整后的ai视
觉算法，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案3
‑
3。
44.方案3
‑
3：混合噪声数据通过对应的视频图像增强算法和传输差错控制及恢复算法，获得质量增强的视频数据，再将增强数据输入到ai视觉算法中训练，得到参数调整后的ai视觉算法。使用该方案进行预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案，否则，执行方案3
‑
4。
45.方案3
‑
4：混合噪声数据通过传输差错控制及恢复算法，获得质量增强的视频数据，再将增强数据输入到视频增强算法与ai视觉算法的联合优化算法中进行训练，得到参数调整后的视频增强算法和ai视觉算法。使用该方案预测，输出噪声数据的识别准确率。当识别准确率大于设定的阈值时，装置会输出此时的解决方案。
46.在步骤s3，按照复杂度从低到高的顺序遍历所述解决方案集中的各个解决方案，直到所述视觉识别算法的识别准确率高于所述期望识别准确率。
47.在一些实施例中，在所述步骤s3中，利用所述解决方案集中的解决方案识别所述待识别的图像数据，调用所述准确率计算模块，基于识别前后的图像数据计算此次识别准确率，所述此次识别准确率高于所述期望识别准确率时，将当次识别所采用的的解决方案作为所述视觉识别算法的提升优化结果，否则采用所述解决方案集中的下一解决方案继续执行识别所述待识别的图像数据。
48.图2为根据本发明实施例的一个实施例的示意图；如图2所示，首先给定某个阈值作为识别准确率的提升目标。将某一个ai视觉算法输入到上述装置后，上述装置根据噪声场景的类型，输出对应该噪声场景的基于ai视觉算法的解决方案集合，其中包含多种解决方案，并且按照复杂度从小到大进行排序。通过遍历该集合，依次输出每种解决方案在噪声数据集上的识别准确率。当识别准确率大于等于设定的阈值时，循环停止，如果此时噪声场景没有发生变化，则输出此时的解决方案，否则继续遍历对应场景的解决方案集合。
49.本发明第二方面公开了一种提升图像识别准确率的系统。所述系统基于识别准确率提升装置实现，所述识别准确率提升装置包括视频增强模块、传输差错控制模块、算法调参模块、视频增强与算法调参的联合优化模块、准确率计算模块。图3为根据本发明实施例的一种提升图像识别准确率的系统的结构图，如图3所示，所述系统300包括：第一处理单元301，被配置为，获取用于执行图像识别的视觉识别算法，所述视觉识别算法具有期望识别准确率，所述期望识别准确率高于所述视觉识别算法的当前识别准确率；第二处理单元302，被配置为，根据待识别的图像数据中的噪声类型，为所述视觉识别算法提供对应的解决方案集，所述解决方案集中包括至少一个解决方案；第三处理单元303，被配置为，按照复杂度从低到高的顺序遍历所述解决方案集中的各个解决方案，直到所述视觉识别算法的识别准确率高于所述期望识别准确率。
50.根据本发明第二方面的系统，在所述步骤s1中，所述期望识别准去率比所述当前识别准确率高20%
‑
30%。
51.根据本发明第二方面的系统，所述噪声类型包括环境噪声、信道噪声、所述环境噪声与所述信道噪声的混合噪声，所述第二处理单元302具体被配置为：当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参
模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集；当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集。
52.根据本发明第二方面的系统，当所述噪声类型为所述环境噪声时，调用所述视频数据增强模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案1
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法；解决方案1
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案1
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法，并利用所述算法调参模块对经数据增强的视觉识别算法进行参数调整处理；解决方案1
‑
4：利用所述联合优化模块对所述视觉识别算法进行数据增强处理和参数调整处理；其中，所述解决方案1
‑
1、所述解决方案1
‑
2、所述解决方案1
‑
3、所述解决方案1
‑
4的复杂度按照先后顺序递增。
53.根据本发明第二方面的系统，当所述噪声类型为所述信道噪声时，调用所述传输差错控制模块、所述算法调参模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案2
‑
1：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法；解决方案2
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案2
‑
3：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经传输差错控制的视觉识别算法进行参数调整处理；其中，所述解决方案2
‑
1、所述解决方案2
‑
2、所述解决方案2
‑
3的复杂度按照先后顺序递增。
54.根据本发明第二方面的系统，当所述噪声类型为所述混合噪声时，调用所述视频数据增强模块、所述传输差错控制模块、所述算法调参模块、所述联合优化模块，为所述视觉识别算法提供所述解决方案集，具体包括：解决方案3
‑
1：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法；解决方案3
‑
2：利用所述算法调参模块对所述视觉识别算法进行参数调整处理；解决方案3
‑
3：在所述视觉识别算法中加入所述视频数据增强模块中的数据增强算法和所述传输差错控制模块中的传输差错控制算法，并利用所述算法调参模块对经数据增强和传输差错控制的视觉识别算法进行参数调整处理；解决方案3
‑
4：在所述视觉识别算法中加入所述传输差错控制模块中的传输差错控制算法，并利用所述联合优化模块对经传输差错控制的视觉识别算法进行数据增强处理
和参数调整处理；其中，所述解决方案3
‑
1、所述解决方案3
‑
2、所述解决方案3
‑
3、所述解决方案3
‑
4的复杂度按照先后顺序递增。
55.根据本发明第二方面的系统，所述第三处理单元303具体被配置为：利用所述解决方案集中的解决方案识别所述待识别的图像数据，调用所述准确率计算模块，基于识别前后的图像数据计算此次识别准确率，所述此次识别准确率高于所述期望识别准确率时，将当次识别所采用的的解决方案作为所述视觉识别算法的提升优化结果，否则采用所述解决方案集中的下一解决方案继续执行识别所述待识别的图像数据。
56.本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面中任一项所述的一种提升图像识别准确率的方法中的步骤。
57.图4为根据本发明实施例的一种电子设备的结构图，如图4所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信（nfc）或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
58.本领域技术人员可以理解，图4中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
59.本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面中任一项所述的一种提升图像识别准确率的方法中的步骤。
60.综上，本发明以提升各类噪声情况下ai视觉算法的识别准确率为出发点，提出一种对ai视觉算法在复杂噪声情况下进行性能验证和提升的方案。该方案覆盖面广、扩展性强，系统性地对噪声图像的采集和传输流程进行建模，根据实际部署场景需求，自动生成多种基于该视觉算法优化的解决方案；通过迭代循环的方法，将ai视觉算法和视频图像增强算法深度关联，从而最大程度地提升ai视觉算法对各类噪声因素的鲁棒能力。
61.请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。