申请/专利权人:中国空间技术研究院
申请日:2021-07-02
公开(公告)日:2024-05-07
公开(公告)号:CN113837217B
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/774;G06V10/776;G06V20/50;G06N3/045;G06N3/0464;G06N3/094;G06F21/57
优先权:
专利状态码:有效-授权
法律状态:2024.05.07#授权;2022.01.11#实质审查的生效;2021.12.24#公开
摘要:本发明涉及一种基于深度学习的被动式非视域图像识别方法及识别装置,被动式非视域图像识别方法包括:基于视域图像识别训练数据集中的样本图像构建用于被动式非视域图像识别训练的被动式非视域图像训练集;采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络;采用被动式非视域图像训练集训练第一深度学习识别网络,待算法收敛之后得到用于被动式非视域图像识别的被动式非视域图像识别模型;基于视域图像测试数据集构建用于被动式非视域图像识别模型的被动式非视域测试图像;被动式非视域图像识别模型抽取被动式非视域测试图像进行识别,并获取识别结果。本发明可快速、准确地识别出被动式非视域图像的类别。
主权项:1.一种基于深度学习的被动式非视域图像识别方法,包括以下步骤:S1.基于视域图像识别训练数据集中的样本图像构建用于被动式非视域图像识别训练的被动式非视域图像训练集;S2.采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络;步骤S2中,采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络的步骤中,采用SimpleNet网络或ResNet18网络构建所述第一深度学习识别网络;S3.采用所述被动式非视域图像训练集训练所述第一深度学习识别网络,待算法收敛之后得到用于被动式非视域图像识别的被动式非视域图像识别模型;S4.基于视域图像测试数据集中的样本图像构建用于所述被动式非视域图像识别模型的被动式非视域测试图像;S5.所述被动式非视域图像识别模型抽取所述被动式非视域测试图像进行识别,并获取识别结果。
全文数据:
权利要求:
百度查询: 中国空间技术研究院 基于深度学习的被动式非视域图像识别方法及识别装置
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。