申请/专利权人：东南大学

申请日：2021-03-22

公开（公告）日：2024-04-09

公开（公告）号：CN112818978B

主分类号：G06V30/19

分类号：G06V30/19;G06V30/18;G06V10/82;G06N3/0464;G06N3/0455;G06N3/084;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.06.04#实质审查的生效;2021.05.18#公开

摘要：本发明公开了一种基于多分辨自动编码器的光学符号识别方法，首先，指定分块大小，对图像进行随机采样，获得若干大小一致的图像块。接着，对图像块使用指定参数的Gabor滤波器组进行滤波，获得含有多尺度多方向信息的Gabor特征。随后，基于倒金字塔格式的采样布局，以不同的空间采样率对图像块上相应尺度的Gabor特征进行均匀采样，实现大尺度特征对小尺度特征感受野的充分覆盖。最后，将加噪图像块及其对应的Gabor特征采样分别作为多分辨自动编码器的主分支输入与副分支输入进行高维特征的学习与融合。本发明公开的拟孪生神经网络，旨在获得一组融合的高维特征，既能学习输入图像的基本形状特征，又能自动学习Gabor滤波器组提取的多尺度纹理特征。分类识别时，较之降噪自动编码器，本发明以相同的计算量，获取了更加丰富的特征信息，对光学符号取得了更高的识别精度。

主权项：1.一种基于多分辨自动编码器的光学符号识别方法，其特征在于：提出了一种用于无监督特征学习的拟孪生神经网络Quasi-SiameseNetwork；该网络包括多分辨特征提取和无监督特征学习两个关键处理模块，能够自动学习输入图像的多分辨特征，包括如下步骤：步骤1，光学符号图像随机采样及预处理；步骤2，光学符号图像多分辨特征提取；步骤3，构建无监督特征学习网络；步骤4，构建损失函数并训练网络，迭代搜索最优参数；步骤5，提取测试图像特征，引入分类识别网络进行分类识别；所述步骤5中，对输入的测试图像Xtest，以和步骤1中相同的分块大小s×s进行充分采样，得到采样结果使用训练完备的拟孪生神经网络主分支降噪自动编码器进行编码，并将编码结果按图像块的空间位置进行排列，得到编码结果随后，通过最大池化，对特征映射进行降维，将幅值低于指定阈值的编码置零后，获得最终的测试图像特征F；将测试图像特征F直接送入多层感知机MLP或支持向量机SVM分类器进行光学符号的分类识别。

全文数据：

权利要求：

百度查询： 东南大学 基于多分辨自动编码器的光学符号识别方法

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