[发明专利]物体识别模型的建立方法及物体识别方法有效
| 申请号： | 201610926007.5 | 申请日： | 2016-10-24 |
| 公开（公告）号： | CN106570522B | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 黄凯奇;刘康伟 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/08 |
| 代理公司： | 11482 北京瀚仁知识产权代理事务所(普通合伙) | 代理人： | 宋宝库 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种物体识别模型的建立方法和物体识别方法。其中，该物体识别模型的建立方法包括：获取输入图像；提取输入图像的深度特征；基于随机场结构模型对输入图像中的物体进行结构化建模，得到物体的结构化表达；基于物体的结构化表达，利用梯度反向传播算法学习结构参数，求解梯度，并利用随机梯度下降算法进行学习和训练，得到物体识别模型。通过本发明实施例，解决了视觉任务中物体复杂的弹性变形、姿态变化及视觉变化的技术问题，提高了深度网络模型的结构表达能力。本发明实施例可以应用于诸如物体分类、物体检测、人脸识别等涉及物体识别的众多领域。 | ||
| 搜索关键词： | 物体 识别 模型 建立 方法 | ||
【主权项】：
1.一种物体识别模型的建立方法，其特征在于，所述方法包括：/n获取输入图像；/n提取所述输入图像的深度特征；/n基于随机场结构模型对所述输入图像中的物体进行结构化建模，得到所述物体的结构化表达；/n基于所述物体的所述结构化表达，利用梯度反向传播算法学习结构参数，求解梯度，并利用随机梯度下降算法进行学习和训练，得到所述物体识别模型；/n所述基于随机场结构模型对所述输入图像中的物体进行结构化建模，得到所述物体的结构化表达，具体包括：/n对所述输入图像的深度特征进行部件卷积操作，得到所述输入图像中所述物体各个部件的表观表达；/n对所述物体各个部件的表观表达进行结构池化操作，确定所述物体各部件的最优位置；/n基于所述物体各部件的最优位置，利用平均场算法对随机场结构模型进行推理，获得所述物体的所述结构化表达。/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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201610926007.5/，转载请声明来源钻瓜专利网。
- 上一篇：用于对治疗进行规划、监测和确认的系统和方法
- 下一篇：平面电极制造方法
