[发明专利]一种基于深度学习的拷贝图像特征提取方法有效
| 申请号： | 201610485911.7 | 申请日： | 2016-06-28 |
| 公开（公告）号： | CN106203442B | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 郝晖;刑爽;杜强;许正 | 申请（专利权）人： | 北京小白世纪网络科技有限公司 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 北京八月瓜知识产权代理有限公司 11543 | 代理人： | 马东瑞 |
| 地址： | 100094 北京市海淀区西北*** | 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： | 本发明公开了一种基于深度学习的拷贝图像特征提取方法，包括如下步骤：通过卷积神经网络构建训练图像的特征图像；对训练图像的特征图像进行特征表示；特征表示度量训练图像间的相似度；根据训练图像特征表示的相似度对卷积神经网络参数进行优化，得到目标卷积神经网络结构；利用目标卷积神经网络结构提取拷贝图像的特征表示。本发明以深度学习的卷积神经网络为基础，提高了图像特征表示的唯一性与鲁棒性，并且特征提取的效率和准确率都较高。 | ||
| 搜索关键词： | 一种 基于 深度 学习 拷贝 图像 特征 提取 方法 | ||
【主权项】：
1.一种基于深度学习的拷贝图像特征提取方法，其特征在于，包括如下步骤：通过卷积神经网络构建训练图像的特征图像；对所述训练图像的特征图像进行特征表示；根据所述训练图像的特征表示的相似度，通过二项式偏差函数，利用梯度下降的方法，对卷积神经网络参数进行优化；所述二项式偏差函数为：![]()
其中相似度矩阵S＝[Sij]n×n，![]()
矩阵M＝[Mij]n×n，![]()
矩阵W＝[Wij]n×n，![]()
然后根据优化后的卷积神经网络参数更新卷积神经网络，重复上述步骤，直至训练图像的相似度不再变化，最后训练得到目标卷积神经网络结构；利用目标卷积神经网络结构提取拷贝图像的特征表示。
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北京小白世纪网络科技有限公司，未经北京小白世纪网络科技有限公司许可，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/patent/201610485911.7/，转载请声明来源钻瓜专利网。
