[发明专利]多层神经网络模型训练、道路特征识别的方法和装置有效
| 申请号： | 201710113166.8 | 申请日： | 2017-02-28 |
| 公开（公告）号： | CN108229274B | 公开（公告）日： | 2020-09-04 |
| 发明（设计）人： | 石建萍;吴冲若 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 地址： | 100084 北京市海淀区中*** | 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： | 本申请公开了多层神经网络模型训练、道路特征识别的方法和装置以及电子设备。方法的一具体实施方式包括：确定遥感图像训练样本集包括的遥感图像的道路标注数据中属于道路的像素以及遥感图像中道路的宽度值；根据道路的宽度值对遥感图像中属于道路的像素进行响应加权处理，获得更新后遥感图像训练样本集，属于道路的像素的不同响应权重表示在神经网络训练过程中像素的特征被学习的不同概率；基于更新后的遥感图像训练样本集训练用于识别遥感图像中的道路特征的多层神经网络模型。该实施方式能够训练用于识别遥感图像中的道路特征的多层神经网络模型，并采用该多层神经网络模型识别待检测的遥感图像中的道路特征，然后生成道路图。 | ||
| 搜索关键词： | 多层 神经网络 模型 训练 道路 特征 识别 方法 装置 | ||
【主权项】：
1.一种多层神经网络模型训练方法，其特征在于，所述方法包括：确定遥感图像训练样本集包括的遥感图像的道路标注数据中属于道路的像素以及所述遥感图像中道路的宽度值；根据所述道路的宽度值对所述遥感图像中属于道路的像素进行响应加权处理，获得更新后遥感图像训练样本集，属于道路的像素的不同响应权重表示在神经网络训练过程中像素的特征被学习的不同概率；基于所述更新后的遥感图像训练样本集训练用于识别遥感图像中的道路特征的多层神经网络模型。
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北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，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/201710113166.8/，转载请声明来源钻瓜专利网。
