[发明专利]基于深度学习的特定物品发现方法在审
| 申请号： | 201811444686.8 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109522969A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 凌志辉;俞旸;徐中恒 | 申请（专利权）人： | 南京云思创智信息科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 张苏沛 |
| 地址： | 210042 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一套基于深度学习算法的方法用于物体发现任务，效果凌驾于图像分类算法。具体而言，本发明的基于深度学习的特定物品发现方法，它使用深度卷积神经网网络，并加入特定物体的位置信息，使用交叉熵(crossentropyloss)损失函数和欧式距离损失函数(12 loss)的和作为损失函数来训练深度神经网络而非图像分类算法里的交叉熵(crossentropy loss)损失函数。算法在开源数据集上的效果远远优于图像分类算法。 | ||
| 搜索关键词： | 损失函数 算法 图像分类 交叉熵 欧式距离 神经网络 学习算法 神经网 数据集 发现 卷积 学习 网络 | ||
【主权项】：
1.一种基于深度学习的特定物品发现方法，其特征在于，它包括步骤：步骤1:构建数据集中的类别信息，首先收集需要分类的图片，其次给每个图片标注其所属于的类别；步骤2:构建数据集中的位置信息，在步骤1收集的数据集图片里，标注出物体所在的方框，给出方框的左上坐标(x,y)以及方框长宽w,h；步骤3:构建深度卷积神经网络中的特征提取模块；步骤4:构建深度卷积神经网络中的损失函数模块；步骤5:训练神经网络，以步骤4中的两个损失函数的和为目标使用反向传播训练深度卷积神经网络的参数，两个损失函数的值都参与网络参数的训练迭代；步骤6:使用神经网络，用训练好的模型进行预测，输出目标的类别分布和位置信息，仅使用类别分布来输出预测的类别。
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南京云思创智信息科技有限公司，未经南京云思创智信息科技有限公司许可，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/201811444686.8/，转载请声明来源钻瓜专利网。
