[发明专利]一种基于深度学习的高精度图像模糊检测方法在审
| 申请号： | 201611266343.8 | 申请日： | 2016-12-31 |
| 公开（公告）号： | CN106780479A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 冯伟;孙济洲;万亮;黄睿;范铭源 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 刘玥 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习的高精度图像模糊检测方法，包括如下步骤步骤一，建立深度卷积神经网络模型CNN和初始化，并向其输入检测图像；步骤二，所述深度卷积神经网络模型对需要检测图像选取不同s个尺度获得不同尺度的图像块；步骤三，所述深度卷积神经网络模型按照六种卷积层对步骤二中所述图像块进行特征提取获得单尺度模糊图步骤四，所述深度卷积神经网络模型对不同的所述单尺度模糊图进行多次融合处理输出模糊图，该方法是将深度卷积神经网络应用到图像模糊检测问题中，以精确地检测出图像中的模糊区域为目标。 | ||
| 搜索关键词： | 一种 基于 深度 学习 高精度 图像 模糊 检测 方法 | ||
【主权项】：
一种基于深度学习的高精度图像模糊检测方法，其特征在于：包括如下步骤：步骤一，建立深度卷积神经网络模型CNN和初始化，并向其输入检测图像；步骤二，所述深度卷积神经网络模型对需要检测图像选取不同s个尺度获得不同尺度的图像块，(其中s＝1,2,..)；步骤三，所述深度卷积神经网络模型按照六种卷积层对步骤二中所述图像块进行特征提取获得单尺度模糊图：步骤四，所述深度卷积神经网络模型对不同的所述单尺度模糊图进行多次融合处理输出模糊图。
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天津大学，未经天津大学许可，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/201611266343.8/，转载请声明来源钻瓜专利网。
