[发明专利]一种基于多模型融合的水果识别方法在审
申请号: | 201811385058.7 | 申请日: | 2018-11-19 |
公开(公告)号: | CN109543748A | 公开(公告)日: | 2019-03-29 |
发明(设计)人: | 张卫山;耿祖琨;徐亮 | 申请(专利权)人: | 中国石油大学(华东) |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 266580 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出了一种基于多模型融合的水果识别方法,包括如下介绍:利用多模型融合方法进行模型训练,采用SSD进行模型训练,模型网络结构采用VGG16、ResNet以及VGG19相结合的方法,对于它们的训练结果不做输出处理,而是将它们输出的bounding box和目标类别的概率,以及区域重叠面积超过95%的bounding box目标认为是不同模型识别出的同一个物体。每一个模型的输出都是10维的概率向量,将实际得到的这三个向量进行拼接作为BP神经网络的输入。基于多模型识别的水果识别模型将多种模型识别技术进行整合,调整残差网络,解决了在过深的深度学习网络中无法进行有效传播梯度的问题。 | ||
搜索关键词: | 模型融合 模型识别 模型训练 水果 概率向量 目标类别 区域重叠 输出处理 网络结构 训练结果 有效传播 输出 残差 向量 整合 拼接 网络 概率 学习 | ||
【主权项】:
1.一种基于多模型融合的水果识别方法,其特征在于,采用基于多种模型融合的技术进行新模型的设计,包括以下设计步骤:设u、v、w分别是SSD(ResNet)、SSD(VGG16)和SSD(VGG19)的输出经过转换并归一化后的结果,它们作为BP神经网络的三个input,本发明设计的网络中只含有一个隐含层,隐藏层中有20个节点,Input layer包含了30个节点,output layer有10个节点如图1的模型结构。本发明采用了线性传递函数作为output layer和隐藏层神经元的传递函数,设神经元状态为Xi,output为Yi,它们的关系是线性的变化关系,即Yi=f(Xi)=Xi (1‑1)设D1,D2…,D10分别为BP神经网络的输入,对应的输出为Ei=Di,i=1,2…,10 (1‑2)对于隐含层,第j个节点的输入Fj=Lj1·E1+Lj2·E2+…+Lj10·E10+Mj (1‑3)第j个节点的输出Hj=f(xj)j=1,2,3…,20 (1‑4)对于输出层,第j个节点的输入
第j个节点的输出Y=f(k)=k (1‑6)Lji,
是衔接权重,Mj,M2是常参偏移值。
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中国石油大学(华东),未经中国石油大学(华东)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/201811385058.7/,转载请声明来源钻瓜专利网。