[发明专利]基于图像端对端的空气污染程度分类方法在审
| 申请号： | 201810680623.6 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN108985353A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 李坤;马健;杨敬钰;韩亚洪 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 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： | 本发明涉及计算机视觉领域、环保技术，为更加方便精确地估计拍摄图像当地的空气污染程度，本发明采取的技术方案基于图像端对端的空气污染程度分类方法，包括以下步骤：1)训练数据库的建立与训练模型的求取，基于深度学习网络模型，提取深层特征，训练出模型；2)用户通过手机等摄影设备对着全天空或者半天空采集一张测试图片，上传至服务器端；3)在服务器端得到特征向量T；4)根据Softmax函数进而求解各个分类的概率，对空气污染程度进行分类；5)将由步骤4)得到的空气污染程度分类结果返回给用户客户端并显示当前的空气污染程度等级。本发明主要应用于空气污染程度分类。 | ||
| 搜索关键词： | 空气污染 分类 服务器端 计算机视觉领域 图像 训练数据库 用户客户端 测试图片 分类结果 环保技术 拍摄图像 摄影设备 特征向量 网络模型 训练模型 求解 上传 手机 采集 天空 返回 概率 应用 学习 | ||
【主权项】：
1.一种基于图像端对端的空气污染程度分类方法，其特征是，包括以下步骤：1)训练数据库的建立与训练模型的求取，基于深度学习网络模型，提取深层特征，训练出模型；2)用户通过手机等摄影设备对着全天空或者半天空采集一张测试图片，上传至服务器端；3)在服务器端，通过混合模型对用户采集到的图片进行特征提取，得到特征向量T；4)通过步骤1)得到的训练模型以及结合步骤3)得到的特征向量T，根据Softmax函数进而求解各个分类的概率，将概率最大的分类作为当前空气污染状况，进而对空气污染程度进行分类；5)将由步骤4)得到的空气污染程度分类结果返回给用户客户端并显示当前的空气污染程度等级。
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/201810680623.6/，转载请声明来源钻瓜专利网。
