[发明专利]一种基于卷积自编码器模型的图像特征提取方法有效
| 申请号： | 201810498211.0 | 申请日： | 2018-05-23 |
| 公开（公告）号： | CN108664953B | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 罗禹贡;王庭晗;李克强;余大蒙;刘金鑫;杨殿阁;王建强;连小珉;郑四发;李升波 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京格允知识产权代理有限公司 11609 | 代理人： | 白海燕;张沫 |
| 地址： | 100084*** | 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卷积自编码器模型的图像特征提取方法，该方法包括：步骤1，收集包含希望提取的特征的图片构成数据集I；步骤2，收集不包含希望提取的特征的图片构成数据集II；步骤3，利用数据集I和数据集II同时对构建的自编码器模型进行训练；步骤4，输入待提取特征的图像，自编码器模型的编码器部分的输出即为提取到的特征。相比于目前主流的图像特征提取方法，本方法无需进行人工标定，能够在保证特征提取可靠性的同时，降低人工标定的工作量，同时使得输出的特征包含更高级的语义特征。 | ||
| 搜索关键词： | 一种 基于 卷积 编码器 模型 图像 特征 提取 方法 | ||
【主权项】：
1.一种基于卷积自编码器模型的图像特征提取方法，其特征在于：步骤1，收集包含有被提取特征的图像构成数据集I；步骤2，收集不包含有被提取特征的图像构成数据集II；步骤3，利用数据集I对卷积自编码器模型进行训练，保证被提取特征无丢失；步骤4，利用数据集II对卷积自编码器模型进行调整，使得模型能够剔除被提取特征以外的特征；步骤5，使用训练好的模型进行特征提取。
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清华大学，未经清华大学许可，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/201810498211.0/，转载请声明来源钻瓜专利网。
