[发明专利]基于卷积神经网络的地球仪国家图像识别方法有效
| 申请号： | 201810537533.1 | 申请日： | 2018-05-30 |
| 公开（公告）号： | CN108764347B | 公开（公告）日： | 2021-09-24 |
| 发明（设计）人： | 王飞龙;冯林;王蕾 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06T9/00 |
| 代理公司： | 大连星海专利事务所有限公司 21208 | 代理人： | 裴毓英 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 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神经网络的地球仪国家图像识别方法。首先，通过数据采集和数据增强的方式采集常用的教学用地球仪上各个国家的多种类型的图像来构造地球仪国家图像数据集，其中每个国家采集了在不同光照条件、不同聚焦情况下从不同的空间位置和角度拍摄的多张图像。其次，对数据集中的每张图像进行压缩和预处理操作。然后，结合经典的卷积神经网络模型MobileNet和DenseNet的特点设计一种新的卷积神经网络模型，并在采集到的数据集上对新的模型进行训练，使模型学习到地球仪上各个国家的图像特征进而对其进行分类。本发明方法设计的识别模型结合了MobileNet和DenseNet两种模型的特点，具有较高的识别准确率和较低的模型复杂度。 | ||
| 搜索关键词： | 基于 卷积 神经网络 地球仪 国家 图像 识别 方法 | ||
【主权项】：
1.一种基于卷积神经网络的地球仪国家图像识别方法，包括以下步骤：步骤S101：通过数据采集和数据增强两种方式构建常用的教学用地球仪国家图像数据集；步骤S102：对图像进行压缩和预处理操作；步骤S103：结合MobileNet的深度可分解操作和DenseNet的层与层之间的连接方式，构建卷积神经网络结构；在网络结构中，输入层与一层标准卷积层相连，之后连接连续的12层深度可分解卷积层，并将标准卷积层分别和第4层、第8层和第12层深度可分解卷积层进行直接连接，然后连接一层全局平均池化层和一层全连接层，最后通过softmax多分类器输出最终的分类结果；步骤S104：在采集到的国家图像数据集上对新的卷积神经网络模型进行训练，学习各个国家图像的特征以对其进行识别分类。
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大连理工大学，未经大连理工大学许可，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/201810537533.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于熵的混合采样集成分类器
- 下一篇：基于多个数据源的数据采集方法及系统
