[发明专利]基于非监督深度学习的图像标注系统及标注方法有效
| 申请号： | 201910198202.4 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN109961095B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 叶文彬;彭湃 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/762;G06V10/82;G06N3/0464;G06N3/088 |
| 代理公司： | 深圳市兴科达知识产权代理有限公司 44260 | 代理人： | 王翀 |
| 地址： | 518000 广东*** | 国省代码： | 广东;44 |
| 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非监督深度学习的图像标注系统及标注方法，包括：将视频或图像通过全卷积网络的第一个密集连接模块得到96个特征图，将96个特征图通过第一个特征融合层得到48个特征图，将融合后的48个特征图输入第二个密集连接模块得到192个特征图，将192个特征图通过第一个特征融合层得到96个特征图，融合后的96个特征图输入第三个密集连接模块，得到384个特征图，通过密集连接模块与融合模块将图像的高层特征与底层特征压缩维一个256维向量，得到压缩后的向量后通过聚类方法为未知标签图像打上标注，进一步地再通过优化器使得网络学习更优特征反复迭代，同时可以融合人工标注学习，达到节省人力更有效利用海量数据的目的。 | ||
| 搜索关键词： | 基于 监督 深度 学习 图像 标注 系统 方法 | ||
【主权项】：
1.一种基于非监督深度学习的图像标注系统，所述图像包括图片与视频，其特征在于，该系统是基于全卷积神经网络的图像标注系统，所述全卷积网络包括：4个密集连接模块与3个特征融合模块。
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深圳大学，未经深圳大学许可，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/201910198202.4/，转载请声明来源钻瓜专利网。
