申请/专利权人：中国人民解放军海军航空大学航空作战勤务学院

申请日：2021-08-09

公开（公告）日：2024-03-08

公开（公告）号：CN113642627B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2021.12.07#著录事项变更;2021.11.30#实质审查的生效;2021.11.12#公开

摘要：本发明提供了一种基于深度学习的图像与决策多源异类信息融合识别方法和装置，涉及多源异类信息技术领域，获得待识别图像数据与待融合决策信息，其中，所述待识别图像数据与所述待融合决策信息为多源异类信息；根据所述待识别图像数据与所述待融合决策信息，获得图像数据集与决策信息集；构造基于深度学习的图像与决策多源异类信息融合识别神经网络模型；利用所述图像数据集与所述决策信息集，训练所述神经网络模型；根据所述训练后的神经网络模型，对所述待识别图像数据与所述待融合决策信息进行并行融合计算处理，获得融合识别结果。实现了图像与决策多源异类信息的自动识别融合，有效提高识别精准度的技术效果。

主权项：1.一种基于深度学习的图像与决策多源异类信息融合识别方法，其特征在于，所述方法包括：获得待识别图像数据与待融合决策信息，其中，所述待识别图像数据与所述待融合决策信息为多源异类信息；根据所述待识别图像数据与所述待融合决策信息，获得图像数据集与决策信息集；构造基于深度学习的图像与决策多源异类信息融合识别神经网络模型；利用所述图像数据集与所述决策信息集，训练所述神经网络模型；根据所述训练后的神经网络模型，对所述待识别图像数据与所述待融合决策信息进行并行融合计算处理，获得融合识别结果；其中，所述构造基于深度学习的图像与决策多源异类信息融合识别神经网络模型，包括：图像数据输入模块，所述图像数据输入模块用于对所述待识别图像数据处理之后获得待识别图像数字化表示数据；决策信息输入模块，所述决策信息输入模块用于对所述待融合决策信息处理之后获得待融合决策信息数字化表示数据；其中，所述构造基于深度学习的图像与决策多源异类信息融合识别神经网络模型，还包括：卷积池化层，所述卷积池化层用于对所述待识别图像数字化表示数据进行卷积和池化处理之后，得到包含多个特征的图像降维数据；全连接输入层，所述全连接输入层结点由所述包含多个特征的图像降维数据结点和所述待融合决策信息数字化表示数据结点合并组成一层数据结点；全连接中间层，所述全连接中间层结点用于对经所述全连接输入层处理的所述包含多个特征的图像降维数据和所述待融合决策信息数字化表示数据进行全连接推理，计算所述待识别图像数据与所述待融合决策信息的相互关系；全连接输出层，所述全连接输出层结点用于输出所述神经网络模型的识别结果。

全文数据：

权利要求：

百度查询： 中国人民解放军海军航空大学航空作战勤务学院 一种基于深度学习的图像与决策多源异类信息融合识别方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD