[发明专利]一种基于卷积神经网络的无效图像样本筛选方法有效
| 申请号： | 201910188287.8 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109978029B | 公开（公告）日： | 2021-02-09 |
| 发明（设计）人： | 张永军;闫思宇;沈涛;文韩 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 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： | 本发明公开了一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，原始样本通过经由卷积神经网络构建的过滤样本模型，将大量模糊、空拍及残损等无效样本(冗余样本)图像筛选出，其余样本即为质量更好、具有更多代表性的图像样本，可作为图像分类的有效样本集。该方法最终可以实现：将无效样本通过算法筛选出，减少将大量无效样本筛选出所耗费的工时，降低人工成本。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 无效 图像 样本 筛选 方法 | ||
【主权项】：
1.一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，该方法包括以下步骤：S1：收集工业生产中产品的图像数据，作为基础，形成原始样本集；S2：构建模糊过滤器，实现过滤模糊程度高的图片；S3：将模糊过滤器剩余图像即精化样本经过人工分类成无效样本类型和有效样本类型；S4：无效样本和有效样本两个类型组成一个样本集合；S5：构建一个卷积神经网络过滤样本模型；S6：利用S2的模糊过滤器和S5的模型循环将大量原始样本图像进行分类，实现样本清洗，直至建好一个满足需求的样本库。
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邮电大学，未经北京邮电大学许可，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/201910188287.8/，转载请声明来源钻瓜专利网。
