[发明专利]细粒度图像识别方法、装置、计算机设备及存储介质在审
| 申请号： | 201910751900.2 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110647912A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 罗茜;张斯尧;谢喜林;王思远;黄晋;文戎;张诚 | 申请（专利权）人： | 深圳久凌软件技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 43229 长沙德恒三权知识产权代理事务所(普通合伙) | 代理人： | 徐仰贵 |
| 地址： | 518000 广东省深圳市福田区梅林街道*** | 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： | 本发明公开了一种细粒度图像识别方法、装置、计算机设备及存储介质，本发明中公开的方法包括：获取图像样本，并对图像分类属性进行标注；构建双线性卷积神经网络模型，将所述图像样本导入所述双线性卷积神经网络模型中训练，并获得细粒度图像识别模型；从排序和所属类别两个方面对所述细粒度图像识别模型进行约束；通过所述细粒度图像识别模型对待识别图像进行分类识别；本发明提出的方法，通过训练双线性卷积神经网络细粒度识别模型对图形进行分类，2个并联的卷积神经网络CNN A和卷积神经网络CNN B可以同时完成区域检测和特征提取，在节省人力成本的同时，提高了分类识别的准确率。 | ||
| 搜索关键词： | 卷积神经网络 细粒度 图像识别 双线性 分类识别 计算机设备 存储介质 获取图像 区域检测 人力成本 特征提取 图像分类 图像样本 并联 准确率 构建 标注 排序 样本 图像 分类 | ||
【主权项】：
1.一种细粒度图像识别方法，其特征在于，包括如下步骤：/n获取图像样本，并对图像分类属性进行标注；/n构建双线性卷积神经网络模型；/n将所述图像样本导入所述双线性卷积神经网络模型中训练，并获得细粒度图像识别模型，其中，所述双线性卷积神经网络模型包括依次连接的：2个并联的卷积神经网络CNN A和卷积神经网络CNN B、双线性池化层Bilinear pooling、归一化层LN和全连接层Fc；/n从排序和所属类别两个方面对所述细粒度图像识别模型进行约束；/n通过所述细粒度图像识别模型对通过图像采集模块获取的待识别图像进行分类识别。/n
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久凌软件技术有限公司，未经深圳久凌软件技术有限公司许可，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/201910751900.2/，转载请声明来源钻瓜专利网。
