[发明专利]一种基于深度学习的信息处理系统和方法

摘要

本发明提出了一种基于深度学习的信息处理系统和方法。该系统包括数据处理单元，数据学习单元，定位单元，判别分类单元，显示单元。该方法包括预处理步骤，数据学习步骤，定位步骤，判别分类步骤，显示步骤。通过该系统和方法，能够从海量数据信息中获取有用信息，大大加快处理速度，提取差异性的有效特征，提高分类判别效率。

主权项

一种基于深度学习的对目标的信息处理系统，其特征在于，该系统包括：数据处理单元，数据学习单元，定位单元，判别分类单元，显示单元；所述数据处理单元，包括获取图像，对图像进行归一化和波段融合处理，获得波段图像和深度图像，所述波段图像包括目标的波段、颜色、纹理信息，所述深度图像包括目标的空间信息，所述波段融合处理为：A(k,i,j)=A(k,i,j)b+μ(k,i,j)·λ(k,i,j),]]>其中，为融合前像素值，A(k,i,j)为融合后像素值，(i,j)为图像像素位置，k表示波段号，μ(k,i,j)表示系数，λ(k,i,j)为位置(i,j)的空间细节信息；所述数据学习单元，接收数据预处理单元处理后的图像数据，采用深度学习方法进行训练；所述定位单元，针对训练后的图像数据对目标物体进行定位；所述判别分类单元，针对训练后的图像数据进行判别分类；所述显示单元，将定位、判别分类结果进行显示；所述深度学习包括：将波段图像和深度图像在网络的每一层分别进行卷积运算，经过卷积后的新波段图像和深度图像尺寸为：M(x,y)l=|M(x,y)l-1-J(x,y)l|+n*α(x,y)lN(x,y)l+1,]]>其中，(x,y)为新波段图像和深度图像像素位置，l为当前所在网络层数，为在第l层的卷积核大小，为在第l层的步长，为在第l层填充的像素，n为可调系数。