[发明专利]图表征产生系统,图表征产生方法与其图表征智能模块

权利要求书

1.一种图表征产生系统，用于具有特定图像规范的知识产权领域，用以将图像转化成具有领域适应性的图表征，所述图表征产生系统包括：

第一深度学习模块，接收所述图像，以产生初始图表征；

神经网络数据处理模块，接收所述图像在所述特定图像规范下的图规范信息，并依据所述图规范信息产生图规范表征；以及

结合学习单元，包括结合模块与第二深度学习模块，所述结合模块是用以结合所述初始图表征与所述图规范表征，以产生输入信息，所述第二深度学习模块是用以接收所述输入信息，以产生最终图表征。

2.如权利要求1所述的图表征产生系统，其特征在于，更包括训练模块，所述训练模块依据所述第一深度学习模块、所述神经网络数据处理模块与所述结合学习单元产生所述最终图表征的编码方式，将所述最终图表征译码还原产生对应于所述图像的一比对图像，并依据所述比对图像与所述图像间的一损失函数(loss function)修正所述第一深度学习模块的第一参数、所述神经网络数据处理模块的第二参数与所述第二深度学习模块的第三参数。

3.如权利要求1所述的图表征产生系统，其特征在于，其中所述神经网络数据处理模块是利用独热编码(One Hot Encode)产生所述图规范表征。

4.如权利要求1所述的图表征产生系统，其特征在于，其中所述图规范信息是利用对应于所述特定图像规范的图分类数据库、具有所述特定图像规范的知识图谱库、或对应于所述特定图像规范的量化规范法则所产生。

5.如权利要求1所述的图表征产生系统，其特征在于，其中所述结合学习单元将所述初始图表征与所述图规范表征结合以产生所述输入信息的结合方法是采用向量直接合并。

6.如权利要求1所述的图表征产生系统，其特征在于，其中所述图规则表征与所述初始图表征的维数相同。

7.如权利要求6所述的图表征产生系统，其特征在于，其中所述结合学习单元是以所述图规范表征作为权重结合所述初始图表征与所述图规范表征。

8.如权利要求1所述的图表征产生系统，其特征在于，其中所述第一深度学习模块与所述第二深度学习模块是选自于由LeNet、AlexNet、VGG、GoogleLeNet、ResNet所组成的卷积神经网络(Convolutional Neural Network；CNN)族群中的至少一个。

9.一种图表征产生方法，用于具有特定图像规范的知识产权领域，用以将图像转化成具有领域适应性的图表征，所述图表征产生方法包括：

将所述图像提供至第一深度学习模型，以产生初始图表征；

将所述图像在所述特定图像规范下的图规范信息提供至神经网络模型，以产生图规范表征；

结合所述初始图表征与所述图规范表征，以产生输入信息；以及

将所述输入信息提供至第二深度学习模型，以产生最终图表征。

10.如权利要求9所述的图表征产生方法，其特征在于，其中在产生所述最终图表征的步骤后，更包括依据产生所述最终图表征的编码方式，将所述最终图表征译码还原产生对应于所述图像的比对图像，并依据所述比对图像与所述图像间的损失函数修正所述第一深度学习模型、所述神经网络模型与所述第二深度学习模型的参数。

11.如权利要求9所述的图表征产生方法，其特征在于，其中将所述图像在所述特定图像规范下的图规范信息提供至神经网络模型，以产生图规范表征的步骤是利用独热编码产生所述图规范表征。

12.如权利要求9所述的图表征产生方法，其特征在于，其中所述图规范信息是利用对应于所述特定图像规范的图分类数据库、具有所述特定图像规范的知识图谱库或是所述特定图像规范量化后产生的量化规范法则，对所述图像进行分析所产生。