[发明专利]一种基于深度学习的伪装军事目标识别方法及系统在审
| 申请号： | 201910830678.5 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110738100A | 公开（公告）日： | 2020-01-31 |
| 发明（设计）人： | 邵虹;叶春晖;崔文成;刘阳 | 申请（专利权）人： | 沈阳工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/40;G06K9/62;G06N3/04;G06N3/08;G06F16/583;G06F16/587 |
| 代理公司： | 21115 沈阳智龙专利事务所(普通合伙) | 代理人： | 周智博;宋铁军 |
| 地址： | 110870 辽宁省沈阳*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的伪装军事目标识别方法及系统，第一步：将采集的地理图像进行预处理：第二步：将预处理之后的地理图像与地理信息库中检索出来的该地域、同时段标准图像进行重合匹配差异对比；第三步：将通过差异点比对有明显差异的图像传入放置于云服务器端的卷积神经网络代码块中，进行识别，经过多次的卷积、池化、降维直至网络收敛，融合出特征图像后进入全连接层，将特征图像转化为向量并将输出向量继续传入函数分类器中执行分类器中的SoftMax Loss算法得到图片分类结果。本发明极大减少了人工成本，且通过计算机自动学习，与传统人工识别相比，识别效率和准确度都有了极大提升。 | ||
| 搜索关键词： | 预处理 地理图像 特征图像 卷积神经网络 军事目标识别 地理信息库 准确度 标准图像 差异对比 传统人工 函数分类 人工成本 输出向量 图片分类 网络收敛 云服务器 自动学习 差异点 代码块 分类器 连接层 重合 比对 池化 降维 卷积 向量 算法 匹配 伪装 检索 采集 图像 融合 地域 计算机 转化 学习 | ||
【主权项】：
1.一种基于深度学习的伪装军事目标识别方法，其特征在于：该方法的步骤如下：/n第一步：将采集的地理图像进行预处理：/n第二步：将预处理之后的地理图像与地理信息库中检索出来的该地域、同时段标准图像进行重合匹配差异对比；/n第三步：将通过差异点比对有明显差异的图像传入卷积神经网络代码块中，进行识别，经过多次的卷积、池化、降维直至网络收敛，融合出特征图像后进入全连接层，将特征图像转化为向量并将输出向量继续传入函数分类器中执行分类器中的SoftMax Loss算法得到图片分类结果。/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沈阳工业大学，未经沈阳工业大学许可，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/201910830678.5/，转载请声明来源钻瓜专利网。
