[发明专利]一种基于信息增益的CNN和LSTM图像高层语义理解方法在审
| 申请号： | 201910459249.1 | 申请日： | 2019-05-29 |
| 公开（公告）号： | CN110188819A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 郝玉洁;林劼;崔建鹏;杜亚伟;党元 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610041 四川省成*** | 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信息增益的CNN和LSTM图像高层语义理解方法，包括构建改进的卷积神经网络、构建卷积神经网络和长短期记忆网络联合神经网络、数据预处理和图像语义解读；构建改进卷积神经网络，是利用大规模图像语义数据集构建并改进卷积神经网络；构建联合神经网络，是利用改进的卷积神经网络和长短期记忆网络构建联合神经网络；数据预处理，是将图像进行数据增强的操作，同时将场景的文本标签实现嵌入操作完成数据预处理；图像语义解读，是将图像特征输入训练完成的模型中进行图像语义解读。本发明改进了传统的图像与文本信息的图像语义理解模型，提出了一种新的卷积神经网络和长短期记忆网络的结合方法，能够显著的提升图像语义解读的效果。 | ||
| 搜索关键词： | 卷积神经网络 图像语义 构建 解读 数据预处理 记忆网络 神经网络 图像 改进 高层语义 信息增益 操作完成 数据增强 图像特征 文本标签 文本信息 传统的 数据集 联合 嵌入 场景 | ||
【主权项】：
1.一种基于信息增益的CNN和LSTM图像高层语义理解方法，其特征在于包括：构建改进的卷积神经网络、构建卷积神经网络和长短期记忆网络联合神经网络、数据预处理和图像语义解读；所述构建改进卷积神经网络，是利用大规模图像语义数据集构建并改进卷积神经网络；所述构建卷积神经网络和长短期记忆网络联合神经网络，是利用改进的卷积神经网络和长短期记忆网络构建联合神经网络；所述数据预处理，是将图像进行数据增强的操作，同时将场景的文本标签实现嵌入操作完成数据预处理；所述图像语义解读，是将图像特征输入训练完成的模型中进行图像语义解读。
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电子科技大学，未经电子科技大学许可，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/201910459249.1/，转载请声明来源钻瓜专利网。
