[发明专利]物品识别方法、装置以及存储介质在审

专利信息
申请号: 202010259970.9 申请日: 2020-04-03
公开(公告)号: CN113496241A 公开(公告)日: 2021-10-12
发明(设计)人: 张杰;沈燮勇;杜珑;楼彤彤 申请(专利权)人: 浙江省公众信息产业有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06N3/08;G06N3/04
代理公司: 中国贸促会专利商标事务所有限公司 11038 代理人: 方亮
地址: 310012 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物品 识别 方法 装置 以及 存储 介质
【权利要求书】:

1.一种物品识别方法,包括:

构建用于进行物品检测的密集连接卷积网络模型;其中,所述密集连接卷积网络模型包括:卷积层模块、密集连接卷积模块、全局平均池化模块和识别分类模块;

获取与所述物品相对应的训练图像,根据所述训练图像生成训练样本,基于所述训练样本对所述密集连接卷积网络模型进行训练;

使用训练好的所述密集连接卷积网络模型对目标图像进行物品检测,输出物品识别结果。

2.如权利要求1所述的方法,还包括:

构建所述卷积层模块;其中,所述卷积层模块包括:过滤器;

所述过滤器获取输入所述卷积层模块的图像,使用卷积核矩阵对此图像的像素进行卷积处理,获取与每个像素相对应的第一特征信息;其中,所述输入所述卷积层模块的图像包括:所述训练样本、所述目标图像。

3.如权利要求2所述的方法,还包括:

构建所述密集连接卷积模块;其中,所述密集连接卷积模块包括:至少一个卷积层、至少一个BP层以及连接输出层;

所述BP层和所述卷积层用于对输入所述密集连接卷积模块的所述第一特征信息进行处理,所述连接输出层用于基于处理结果和所述第一特征信息输出第二特征信息。

4.如权利要求3所述的方法,其中,

所述BP层和所述卷积层的数量都为多个,并且所述BP层和所述卷积层的数量相同;所述BP层和所述卷积层交替设置,形成多层处理结构。

5.如权利要求4所述的方法,还包括:

全部所述BP层和所述卷积层以及所述连接输出层分别获取所述第一特征信息;

位于所述多层处理结构的每层所述BP层或所述卷积层将对应的处理结果输入位于下层的所有所述BP层和所述卷积层以及所述连接输出层;

所述连接输出层对所述第一特征信息、全部所述BP层和所述卷积层的处理结果进行联合处理,输出所述第二特征信息。

6.如权利要求3所述的方法,还包括:

构建所述全局平均池化模块;

使用所述全局平均池化模块对所述第二特征信息进行平均池化处理,输出第三特征信息。

7.如权利要求6所述的方法,还包括:

构建所述识别分类模块;其中,所述识别分类模块包括:参数数量为一个的全连接层;所述全连接层的激活函数包括:sigmoid函数;

所述全连接层获取输入所述识别分类模块的所述第三特征信息,计算所述激活函数与所述第三特征信息相对应的函数值,基于所述函数值输出所述物品识别结果。

8.如权利要求1所述的方法,所述获取与所述物品相对应的训练图像,根据所述训练图像生成训练样本,基于训练样本对所述密集连接卷积网络模型进行训练包括:

获取包含有所述物品的第一图像和不包含有所述物品的第二图像,作为所述训练图像;

将所述训练图像转换为三维张量并进行标注,生成所述训练样本;

根据所述训练样本和反向传播算法对所述密集连接卷积网络模型进行训练。

9.如权利要求1至8任一项所述的方法,其中,

所述物品包括:工程车辆。

10.一种物品识别装置,包括:

模型构建模块,用于构建用于进行物品检测的密集连接卷积网络模型;其中,所述密集连接卷积网络模型包括:卷积层模块、密集连接卷积模块、全局平均池化模块和识别分类模块;

模型训练模块,用于获取与所述物品相对应的训练图像,根据所述训练图像生成训练样本,基于所述训练样本对所述密集连接卷积网络模型进行训练;

识别处理模块,用于使用训练好的所述密集连接卷积网络模型对目标图像进行物品检测,输出物品识别结果。

11.一种物品识别装置,包括:

存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至9中任一项所述的方法。

12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行如权利要求1至9中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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浙江省公众信息产业有限公司,未经浙江省公众信息产业有限公司许可,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/202010259970.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top