[发明专利]一种基于深度卷积神经网络的特定目标轮廓图像分割方法在审
| 申请号： | 201610109536.6 | 申请日： | 2016-02-26 |
| 公开（公告）号： | CN105787482A | 公开（公告）日： | 2016-07-20 |
| 发明（设计）人： | 王震宇;宋纯锋;于彬 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/46;G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 朱琨 |
| 地址： | 102206 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像识别技术领域，尤其涉及一种基于深度卷积神经网络的特定目标轮廓图像分割方法，包括：将用于训练的图像归一化到相同像素大小，对应的特定目标轮廓标注图像也归一化，送入卷积神经网络，经过数层卷积层与全连接层，在全连接层的最后一层得到图像表达，并与对应的标注图像比较得到预测误差；采用反向传播算法和随机梯度下降法来减小预测误差以训练该神经网络，得到特定目标轮廓图像分割的训练模型；将测试特定目标图像归一化到与训练图像相同的像素大小后送入训练模型，在全连接层的最后一层得到预测的图像表达从而得到整张特定目标轮廓图像分割，有效解决了复杂背景下的特定目标轮廓分割问题，可用于车型识别，车流量统计，车辆检测。 | ||
| 搜索关键词： | 一种 基于 深度 卷积 神经网络 特定 目标 轮廓 图像 分割 方法 | ||
【主权项】：
一种基于深度卷积神经网络的特定目标轮廓图像分割方法，其特征在于，包括：步骤S11、将用于训练的图像归一化到相同像素大小，对应的特定目标轮廓标注图像也归一化到相同像素大小，从而得到用于训练的图像与标注图像的成对的样本；步骤S12，将步骤1归一化得到的训练的图像送入一个卷积神经网络，经过数层卷积层与全连接层，在全连接层的最后一层得到图像表达，并与对应的标注图像进行比较得到预测误差；步骤S13，采用反向传播算法和随机梯度下降法来减小预测误差以训练该神经网络，得到特定目标轮廓图像分割的训练模型；步骤S21，将测试特定目标图像归一化到与训练图像相同的像素大小；步骤S22，将测试特定目标图像送入特定目标轮廓图像分割的训练模型，在全连接层的最后一层得到预测的图像表达；该图像表达每一个点的响应值表示该点属于特定目标轮廓区域内的概率，如果该响应值大于阈值，则判定该像素点属于特定目标轮廓内区域，反之则判定该像素点属于特定目标轮廓外区域；这样就可以得到整张图像的特定目标轮廓的图像分割。
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华北电力大学，未经华北电力大学许可，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/patent/201610109536.6/，转载请声明来源钻瓜专利网。
- 上一篇：基于深度学习的商品潮流识别方法及装置
- 下一篇：拍摄试题的方法及装置
