[发明专利]一种面向视频传输质量的深度学习图像失真分类方法在审
| 申请号： | 201910721496.4 | 申请日： | 2019-08-06 |
| 公开（公告）号： | CN110428011A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 刘桂雄;蒋晨杰 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 刘黎明 |
| 地址： | 510640 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： | 本发明公开了一种面向视频传输质量的深度学习图像失真分类方法，该方法包括：构建卷积神经网络，设置训练超参数，选择训练损失函数，制作训练数据集；对数据集中无失真图像做数据增强处理，形成更多不同失真类型的训练样本；设计批训练过程中随机抽取训练样本的方法；完成神经网络训练，得到训练模型，实际部署后即可实时分类视频流输入目标图像的失真类型。 | ||
| 搜索关键词： | 失真类型 视频传输 学习图像 训练样本 失真 卷积神经网络 神经网络训练 输入目标图像 无失真图像 训练数据集 实时分类 数据集中 数据增强 随机抽取 损失函数 训练过程 训练模型 视频流 分类 构建 制作 部署 | ||
【主权项】：
1.一种面向视频传输质量的深度学习图像失真分类方法，其特征在于，所述方法包括：A构建卷积神经网络，设置训练超参数，选择训练损失函数Loss，制作训练数据集；B对数据集中无失真图像做数据增强处理，形成更多不同失真类型的训练样本；C设计批训练过程中随机抽取训练样本的方法；D完成神经网络训练，得到训练模型，实际部署后即可实时分类视频流输入的目标图像失真类型。
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华南理工大学，未经华南理工大学许可，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/201910721496.4/，转载请声明来源钻瓜专利网。
- 上一篇：知识追踪方法
- 下一篇：脑网络模型建立方法、脑图像分类方法、装置及电子设备
