申请/专利权人:3M创新有限公司
申请日:2018-07-25
公开(公告)日:2024-04-16
公开(公告)号:CN110914834B
主分类号:G06V10/774
分类号:G06V10/774;G06V10/772;G06N3/045;G06N3/08;G06N20/00;G06F18/23
优先权:["20170801 US 62/539,772"]
专利状态码:有效-授权
法律状态:2024.04.16#授权;2020.04.17#实质审查的生效;2020.03.24#公开
摘要:本发明提供了用于图像识别的系统和方法。为每个真实图像训练风格迁移神经网络以获得经训练的风格迁移神经网络。经由经训练的风格迁移神经网络将真实图像的纹理或风格特征迁移至目标图像,以生成用于训练图像识别机器学习模型例如神经网络的风格化的图像。在一些情况下,真实图像是聚类的,并且从聚类中选择代表性的风格图像。
主权项:1.一种计算机实施的方法,包括:向处理器提供多个数字图像,每个数字图像包括待识别的对象以及反映在其下获取所述对象的图像的真实世界条件的纹理或风格特征;由处理器将多个数字图像中的一个或多个数字图像输入到多层神经网络;由处理器执行多层神经网络,以将一个或多个数字图像中的每一个的纹理或风格特征分解成相应的格拉姆矩阵;根据所述相应的格拉姆矩阵之间的距离经由所述处理器将所述多个数字图像聚类成不同的群组,每个群组包括具有相似纹理或风格特征的所述数字图像中的一个或多个;经由所述处理器从图像的每个群组中选择一个或多个代表性风格图像;经由所述处理器通过将真实图像馈送到用于所述代表性风格图像中的至少一个的风格迁移神经网络来训练所述风格迁移神经网络,以获得一个或多个经训练的风格迁移神经网络,所述数字图像包括所述真实图像;经由所述经训练的风格迁移神经网络将所述纹理或风格特征从每个代表性风格图像迁移到目标图像以生成风格化的图像,所述目标图像是用于直接训练图像识别机器学习模型的训练图像;以及使用所述风格化的图像来训练图像识别机器学习模型,其中所述代表性风格图像是每个群组的聚类中心处的图像。
全文数据:
权利要求:
百度查询: 3M创新有限公司 用于图像变型和识别的神经风格迁移
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。