[发明专利]一种基于深度神经网络的端到端图像识别方法在审
| 申请号： | 201910154503.7 | 申请日： | 2019-03-01 |
| 公开（公告）号： | CN110008993A | 公开（公告）日： | 2019-07-12 |
| 发明（设计）人： | 陈康;胡孟晗;李庆利 | 申请（专利权）人： | 华东师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00;G06N3/08 |
| 代理公司： | 上海蓝迪专利商标事务所(普通合伙) 31215 | 代理人： | 徐筱梅;张翔 |
| 地址： | 200241 *** | 国省代码： | 上海;31 |
| 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深度神经网络的端到端图像识别方法，其特点是采用云服务器对上传的图像及打标分类数据进行基于深度神经网络模型的云端训练，且通过预训练模型对新的图像训练进行加速，完成训练后返回模型文件，并将其下载到图像识别模组，实现端到端的基于深度神经网络的图像识别。本发明与现有技术相比具有高效率和低延时的优点，端到端完成图像采集、训练以及识别，结构简单，操作方便，不仅克服了单BP神经网络的缺点，同时减少了模型的参数量，提高了模型的泛化能力，提升了识别的速度，可以为高效的图像识别提供支持，满足不同场景的应用需求。 | ||
| 搜索关键词： | 图像识别 神经网络 端到端 神经网络模型 图像识别模组 分类数据 模型文件 图像采集 图像训练 训练模型 应用需求 云服务器 低延时 高效率 云端 打标 上传 下载 图像 场景 返回 | ||
【主权项】：
1.一种基于深度神经网络的端到端图像识别方法，其特征在于采用云服务器对上传的图像及打标分类数据进行基于深度神经网络模型的云端训练，且通过预训练模型对新的图像训练进行加速，完成训练后返回模型文件，并将其下载到图像识别模组，实现端到端的基于深度神经网络的图像识别，所述图像识别模组包括运算控制模块、摄像头模块和显示模块；所述摄像头模块将获取的目标图像经运算控制模块打标分类后与目标图像一起上传至云服务器；所述运算控制模块与摄像头模块和云端训练协同，依次实现目标图像的获取、训练和识别。
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华东师范大学，未经华东师范大学许可，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/201910154503.7/，转载请声明来源钻瓜专利网。
