[发明专利]一种基于深度学习的计算机视觉0-O识别方法在审
| 申请号： | 201811260296.5 | 申请日： | 2018-10-26 |
| 公开（公告）号： | CN109359695A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 刘华珠;林盛鑫;陈雪芳;赵晓芳 | 申请（专利权）人： | 东莞理工学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/34 |
| 代理公司： | 北京汇彩知识产权代理有限公司 11563 | 代理人： | 齐海迪 |
| 地址： | 523000 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种一种基于深度学习的计算机视觉0‑O识别方法，包含以下步骤：步骤一：图片预处理，对原始数据集进行二值化、水平切割、垂直切割从而得到训练样本，并且为训练样本打标签，制作tfrecord数据集；步骤二：通过CNN网络，从每个训练样本图片提取特征向量；步骤三：将步骤二得到的神经元填充到一个SoftMax函数，输出每一个类别条件概率，用于识别0‑O。本发明准确率高且训练时间短。 | ||
| 搜索关键词： | 训练样本 计算机视觉 神经元 预处理 原始数据集 垂直切割 类别条件 水平切割 特征向量 图片提取 二值化 数据集 准确率 填充 标签 输出 学习 概率 制作 网络 图片 | ||
【主权项】：
1.一种基于深度学习的计算机视觉0‑O识别方法，其特征在于包含以下步骤：步骤一：图片预处理，对原始数据集进行二值化、水平切割、垂直切割从而得到训练样本，并且为训练样本打标签，制作tfrecord数据集；步骤二：通过CNN网络，从每个训练样本图片提取特征向量；步骤三：将步骤二得到的神经元填充到一个SoftMax函数，输出每一个类别条件概率，用于识别0‑O。
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东莞理工学院，未经东莞理工学院许可，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/201811260296.5/，转载请声明来源钻瓜专利网。
