[发明专利]物体识别系统训练方法、物体识别方法、装置和电子设备有效
| 申请号： | 201710201585.7 | 申请日： | 2017-03-30 |
| 公开（公告）号： | CN108230291B | 公开（公告）日： | 2020-09-29 |
| 发明（设计）人： | 周彧聪;闫俊杰 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/00;G06K9/46;G06K9/62;G06N3/08 |
| 代理公司： | 北京康达联禾知识产权代理事务所(普通合伙) 11461 | 代理人： | 张雪飞;刘洁 |
| 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： | 本发明实施例提供一种物体识别系统训练方法、物体识别方法、装置和电子设备。物体识别系统训练方法包括：基于共享神经网络分别提取样本图像序列中各样本图像的共享图像特征数据，共享图像特征数据为经过卷积的各样本图像的图像特征数据；根据共享图像特征数据并基于权重生成神经网络确定样本图像序列中各样本图像的图像特征权重数据；根据共享图像特征数据以及图像特征权重数据确定特征损失信息，特征损失信息用于表达样本图像序列的特征损失状态；根据特征损失信息调整共享神经网络和/或权重生成神经网络的网络参数。能够克服图像序列中的多个图像之间存在例如光照、清晰度等差异，在复杂的应用场景中也能够得到较为准确、理想的识别结果。 | ||
| 搜索关键词： | 物体 识别 系统 训练 方法 装置 电子设备 | ||
【主权项】：
1.一种物体识别系统训练方法，包括：基于共享神经网络分别提取样本图像序列中各样本图像的共享图像特征数据，所述共享图像特征数据为经过卷积的各样本图像的图像特征数据；根据所述共享图像特征数据并基于权重生成神经网络确定所述样本图像序列中各样本图像的图像特征权重数据；根据共享图像特征数据以及所述图像特征权重数据确定特征损失信息，所述特征损失信息用于表达所述样本图像序列的特征损失状态；根据所述特征损失信息调整所述共享神经网络和/或所述权重生成神经网络的网络参数。
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/201710201585.7/，转载请声明来源钻瓜专利网。
