[发明专利]基于卷积神经网络的机动车、驾驶人档案图像识别方法有效
| 申请号： | 201811173633.7 | 申请日： | 2018-10-09 |
| 公开（公告）号： | CN109409421B | 公开（公告）日： | 2021-12-07 |
| 发明（设计）人： | 黄冬发;陈教;王天然;李万清 | 申请（专利权）人： | 杭州诚道科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310051 浙江省*** | 国省代码： | 浙江;33 |
| 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机动车、驾驶人档案图像识别方法；本发明利用真实的机动车、驾驶人档案图像数据，具有数据量大、类别众多等特点，由此根据机动车、驾驶人档案图像训练出来的卷积神经网络识别准确率高。本发明实现了自动识别、分类机动车、驾驶人档案图像，且具有执行速度快、准确性高、高效率等特点。避免了大量的人为识别、分类工作。 | ||
| 搜索关键词： | 基于 卷积 神经网络 机动车 驾驶人 档案 图像 识别 方法 | ||
【主权项】：
1.基于卷积神经网络的机动车、驾驶人档案图像识别方法，其特征在于，该方法具体包括以下步骤：步骤(1)、准备足够的机动车、驾驶人档案图像，同一类别的档案图像放置在同一文件夹中；步骤(2)、将机动车、驾驶人档案图像按设定比例自动分成训练集、测试集；步骤(3)、将训练集、测试集数据分别转换成TF‑Record形式，在此过程中统一图像大小，并对图像进行标准化处理；步骤(4)、选择合适的超参数，搭建一个卷积神经网络；步骤(5)、将训练集的TF‑Record数据作为输入，选择合适的迭代次数，训练搭建好的卷积神经网络；步骤(6)、将测试集的TF‑Record数据作为输入，通过训练好的卷积神经网络得到对应的测试集准确率；步骤(7)、判断测试集准确率是否达到预期标准，如果未达到预期标准，则重复步骤(4)，(5)，(6)数次，直到测试集准确率达到预期标准为止；步骤(8).使用训练好的卷积神经网络模型制成机动车、驾驶人档案图像识别器和分类器，能够完成单张识别和多张分类的功能。
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杭州诚道科技股份有限公司，未经杭州诚道科技股份有限公司许可，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/201811173633.7/，转载请声明来源钻瓜专利网。
