[发明专利]基于深度学习的物品特征模型计算方法及装置在审
| 申请号： | 201811550117.1 | 申请日： | 2018-12-18 |
| 公开（公告）号： | CN109766920A | 公开（公告）日： | 2019-05-17 |
| 发明（设计）人： | 任飞翔 | 申请（专利权）人： | 任飞翔 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京卓唐知识产权代理有限公司 11541 | 代理人： | 唐海力;李志刚 |
| 地址： | 100028 北京市东*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于深度学习的物品特征模型计算方法及装置，涉及图像识别领域，该方法包括采集用于训练所述物品特征模型的训练数据；对所述训练数据进行数据分解；对经过数据分解后的所述训练数据进行卷积神经网络训练，得到训练后的所述物品特征模型；采用采集用于训练所述物品特征模型的训练数据的方式，通过对所述训练数据进行数据分解，达到了对经过数据分解后的所述训练数据进行卷积神经网络训练，得到训练后的所述物品特征模型的目的，从而实现了提高物品特征模型准确度进而提高图像识别度的技术效果，进而解决了相关技术中在对物品图像进行图像识别时图像识别度较低的技术问题。 | ||
| 搜索关键词： | 物品特征 训练数据 数据分解 图像识别 卷积神经网络 模型计算 采集 技术效果 物品图像 准确度 学习 申请 | ||
【主权项】：
1.一种基于深度学习的物品特征模型计算方法，其特征在于，所述方法包括：采集用于训练所述物品特征模型的训练数据；对所述训练数据进行数据分解；以及对经过数据分解后的所述训练数据进行卷积神经网络训练，得到训练后的所述物品特征模型。
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任飞翔，未经任飞翔许可，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/201811550117.1/，转载请声明来源钻瓜专利网。
