[发明专利]一种物体外观检测的方法及深度神经网络模型在审
| 申请号： | 201810895905.8 | 申请日： | 2018-08-08 |
| 公开（公告）号： | CN109214426A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 王新维 | 申请（专利权）人： | 王新维 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 深圳市龙成联合专利代理有限公司 44344 | 代理人： | 赵婷婷 |
| 地址： | 712000 陕西省咸阳*** | 国省代码： | 陕西;61 |
| 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外观检测的方法及深度神经网络模型，物体外观检测的方法，具体步骤如下：搭建深度神经网络模型；深度神经网络模型通过循环训练学习，具有对外观的辨别能力；根据上述大量的循环训练学习，深度神经网络模型逐渐收敛得出每个特征值的最优权重；对需要检测物体的外观图片进行卷积操作，根据设定的概率区间值得出分类结果。深度神经网络模型，包括训练模块、评估模块和预测模块，本发明解决了人工制定物体外观分类的判断规则所存在的诸多问题，克服了目前人工操作效率低下或传统自动化判断准确率低的问题；同时由于其可持续自我迭代升级，理论上讲其识别效率会不断提高。并且本发明模块简单，硬件成本低廉，应用范围广泛。 | ||
| 搜索关键词： | 神经网络模型 物体外观 检测 训练学习 分类结果 概率区间 判断规则 评估模块 人工操作 训练模块 硬件成本 预测模块 准确率 迭代 卷积 优权 收敛 辨别 自动化 分类 升级 应用 制定 图片 | ||
【主权项】：
1.一种物体外观检测的方法，其特征在于，具体步骤如下：搭建卷积神经网络加全链接层作为基础的深度神经网络模型，并录入相关物体图片；深度神经网络模型通过对物体图片进行循环训练学习，得到物体外观分类与图片特征之间的相互关系，从而具有对外观的辨别能力；根据上述大量的循环训练学习，深度神经网络模型逐渐收敛得出每个特征值的最优权重；检测时将需要检测的物体外观图片传给模型，模型根据训练得到的一组特征值对相应图像进行卷积操作，再根据特征值的激活情况和对应权重最终得出其分类的概率，最后根据设定的概率区间值得出分类结果。
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王新维，未经王新维许可，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/201810895905.8/，转载请声明来源钻瓜专利网。
- 上一篇：图片验证方法、图片处理方法、设备及系统
- 下一篇：一种加权投票聚类集成方法
