[发明专利]一种应用于深度学习的特征提取方法及系统有效
申请号: | 201810461081.3 | 申请日: | 2018-05-15 |
公开(公告)号: | CN108805030B | 公开(公告)日: | 2022-03-08 |
发明(设计)人: | 周旭东;宋海涛;闫超 | 申请(专利权)人: | 成都理想境界科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N99/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 610041 四川省成都市高新*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 应用于 深度 学习 特征 提取 方法 系统 | ||
1.一种应用于深度学习的特征提取方法,其特征在于,包括:
将待特征提取的数字信号和其对应的滤波器的数字信号分别通过显示技术转换为待特征提取的空域图像信息和滤波器的空域图像信息;
将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别通过光学傅里叶变换装置转换为待特征提取的频谱图像信息和滤波器的频谱图像信息,并分别通过光探测器将所述待特征提取的频谱图像信息和滤波器的频谱图像信息输出至处理器中进行点乘运算得到特征提取后的频谱图像信息。
2.如权利要求1所述的特征提取方法,其特征在于,还包括:
将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。
3.如权利要求1或2所述的特征提取方法,其特征在于:所述显示技术包括光纤扫描显示、OLED显示、LCD显示、LCoS显示和DLP显示中的一种。
4.一种应用于深度学习的特征提取系统,其特征在于,包括:显示模组、光学傅里叶变换装置、光探测器和处理器,其中:
所述显示模组用于将待特征提取的数字信号和其对应的滤波器的数字信号分别转换为待特征提取的空域图像信息和滤波器的空域图像信息;
所述光学傅里叶变换装置用于将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别转换为待特征提取的频谱图像信息和滤波器的频谱图像信息;
所述光探测器用于将所述待特征提取的频谱图像信息和滤波器的频谱图像信息光电转换后输出至所述处理器中进行点乘运算,得到特征提取后的频谱图像信息。
5.如权利要求4所述的特征提取系统,其特征在于,所述显示模组采用时分复用方式将待特征提取的数字信号和其对应的滤波器的数字信号分别转换并显示为待特征提取的空域图像信息和滤波器的空域图像信息。
6.如权利要求4所述的特征提取系统,其特征在于,所述显示模组、光学傅里叶变换装置和光探测器分别为两套,一套用于处理待特征提取的信息数据,另一套用于处理滤波器的信息数据。
7.如权利要求4至6任一项所述的特征提取系统,其特征在于,所述处理器还用于将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。
8.如权利要求4至6任一项所述的特征提取系统,其特征在于,所述显示模组包括光纤扫描显示模组、OLED显示模组、LCD显示模组、LCoS显示模组和DLP显示模组中的一种。
9.如权利要求4至6任一项所述的特征提取系统,其特征在于,所述光探测器包括CCD探测器、光电二极管、光子型探测器、光电倍增管中的一种。
10.如权利要求4至6任一项所述的特征提取系统,其特征在于,所述光学傅里叶变换装置为傅里叶变换透镜。
11.一种应用于深度学习的特征提取系统,其特征在于,包括:显示模组、光学傅里叶变换装置、光探测器和处理器,所述处理器中存储有频谱图像信息形式的滤波器,其中:
所述显示模组用于将待特征提取的数字信号转换为待特征提取的空域图像信息;
所述光学傅里叶变换装置用于将所述待特征提取的空域图像信息转换为待特征提取的频谱图像信息;
所述光探测器用于将所述待特征提取的频谱图像信息光电转换后输出至所述处理器;
所述处理器用于调用与所述待特征提取的频谱图像信息对应的滤波器,并将所述待特征提取的频谱图像信息与滤波器的频谱图像信息进行点乘运算,得到特征提取后的频谱图像信息。
12.如权利要求11所述的特征提取系统,其特征在于,所述处理器还用于将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。
13.如权利要求11或12所述的特征提取系统,其特征在于,所述显示模组包括光纤扫描显示模组、OLED显示模组、LCD显示模组、LCoS显示模组和DLP显示模组中的一种;
所述光探测器包括CCD探测器、光电二极管、光子型探测器、光电倍增管中的一种。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都理想境界科技有限公司,未经成都理想境界科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810461081.3/1.html,转载请声明来源钻瓜专利网。