[发明专利]一种基于深度学习的图像训练装置

说明书

本发明属于图像处理技术领域，具体为一种基于深度学习的图像训练装置，包括底座和控制盒，所述底座的顶部中间设置有蓄电池，所述底座的顶部左侧和右侧设置有伸缩支架，所述伸缩支架的顶部设置有顶座，其结构合理，通过图像处理模块中的图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强对采集到的图像进行预处理，通过图像处理单元中的卷积层、激励层、池化层和连接层的配合，实现深度网络结构获取到更多高维度图像的特征用来处理图像，并且通过卷积运算使得参数得以控制，通过深度学习网络处理单元中的图像传感器、图像采集单元和图像输入接口，实现了图像处理，并将图像处理结果传输至应用处理单元，实现网络训练。

技术领域

本发明涉及图像处理技术领域，具体为一种基于深度学习的图像训练装置。

背景技术

“深度学习是机器学习的一系列算法，它试图在多个层次中进行学习，每层对应于不同级别的抽象。它一般使用人工神经网络，学习到的统计模型中的不同层对应于不同级别的概念，高层概念取决于低层概念，而且同一低层的概念有助于确定多个高层概念。”

现有的基于深度学习的图像识别算法，它们的计算大多放到云端进行，终端计算能力不足导致现有的方案只能在终端上实现简单的深度学习网络。比如，现有人脸识别方案都是在终端实现人脸的检测，然后再将人脸图像数据放到云端进行匹配。这样的方式导致检测速度不及时，同时要负担云端的高额成本。同时现有的深度学习网络处理装置不能对所识别的图片进行预处理，因此在使用的过程中存在着一定的局限性，为此，我们提出一种基于深度学习的图像训练装置解决上述问题。

发明内容

本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

因此，本发明的目的是提供一种基于深度学习的图像训练装置，能够实现对图像的预处理，保证深度学习网络装置的精准性和高效性。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

一种基于深度学习的图像训练装置，其包括底座和控制盒，所述底座的顶部中间设置有蓄电池，所述底座的顶部左侧和右侧设置有伸缩支架，所述伸缩支架的顶部设置有顶座，所述顶座的底部中间设置有伺服电机，所述伺服电机的顶部输出端贯穿顶座设置有转盘，所述转盘的顶部中间设置有控制盒，所述控制盒的顶部中间设置有高清摄像头，所述控制盒的内腔分别设置有处理器、获取单元、神经网络单元、图像处理单元和深度学习网络处理单元，处理器电性输入连接获取单元，获取单元电性输入连接高清摄像头，处理器双向连接神经网络单元和图像处理单元，处理器电性输出连接深度学习网络处理单元，深度学习网络处理单元电性输出连接传输单元；

其中，

图像处理单元包括图像降噪、图像去模糊、图像去雾、图像去雨滴、低照度增强、边界增强；

神经网络单元包括卷积层处理、激励层处理、池化层处理和连接层处理。

作为本发明所述的一种基于深度学习的图像训练装置的一种优选方案，其中：获取单元用于接收高清摄像头所采集到的图像，并获取图像中的图像特征。

作为本发明所述的一种基于深度学习的图像训练装置的一种优选方案，其中：深度学习网络处理单元用于实现深度网络结构获取到更多高维度图像的特征用来处理图像，结合图片特征预算出最合理的图片数据。

作为本发明所述的一种基于深度学习的图像训练装置的一种优选方案，其中：所述伺服电机和所述伸缩支架可通过遥控器和控制器遥控控制。

作为本发明所述的一种基于深度学习的图像训练装置的一种优选方案，其中：所述底座的底部四角设置有万向轮，所述万向轮上设置有限位器，所述控制盒的顶部两侧设置有补光灯。