[发明专利]一种基于自编码卷积网络的线条检测方法在审
| 申请号： | 201811308571.6 | 申请日： | 2018-11-05 |
| 公开（公告）号： | CN109472272A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 肖欣庭;池明辉;梁欢 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 四川省成都市天策商标专利事务所 51213 | 代理人： | 吴瑞芳 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 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自编码卷积网络的线条检测方法，包括步骤：A.构造神经网络的训练数据集；B.构造基于自编码的卷积神经网络；C.从所述训练数据集里随机选取a个样本为一批，一共b批的训练数据，设置学习率为c，以均方误差MSE为损失函数，采用Adam优化方法训练d个轮回进行卷积神经网络的训练；其中，a为16的倍数，c小于0.001大于0.000001；D.训练完成后保存经步骤C训练好的模型，并采用训练好的模型进行线条检测。本发明的方法，通过基于自编码和卷积神经网络构建了一种新型的用于线条检测的神经网络结构，通过深度学习技术手段来提升线条检测的高效性和精确性，可实现高效、精确地检测图像中的干扰线。 | ||
| 搜索关键词： | 自编码 线条 卷积神经网络 检测 训练数据集 卷积 神经网络结构 技术手段 检测图像 均方误差 神经网络 随机选取 损失函数 训练数据 高效性 构建 样本 网络 学习 保存 优化 | ||
【主权项】：
1.一种基于自编码卷积网络的线条检测方法，其特征在于，包括以下步骤：A.构造神经网络的训练数据集；B.构造基于自编码的卷积神经网络；C.从所述训练数据集里随机选取a个样本为一批，一共b批的训练数据，设置学习率为c，以均方误差MSE为损失函数，采用Adam优化方法训练d个轮回进行卷积神经网络的训练；其中，a为16的倍数，c小于0.001大于0.000001；D.训练完成后保存经步骤C训练好的模型，并采用训练好的模型进行线条检测。
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四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，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/201811308571.6/，转载请声明来源钻瓜专利网。
