[发明专利]一种深度学习网络模型的建立方法及装置有效
| 申请号： | 201910352498.0 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN109840598B | 公开（公告）日： | 2019-08-09 |
| 发明（设计）人： | 陈海波 | 申请（专利权）人： | 深兰人工智能芯片研究院（江苏）有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;H04N21/234;H04N21/44 |
| 代理公司： | 北京同达信恒知识产权代理有限公司 11291 | 代理人： | 黄志华 |
| 地址： | 213161 江苏省常州市武进*** | 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： | 本申请公开一种深度学习网络模型的建立方法及装置，属于图像处理技术领域，包括：将获取的视频流中的每个视频帧输入到深度学习网络模型中进行特征提取；根据提取的视频帧的特征和与视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异；若确定差异未在预设范围内，则调整深度学习网络模型的参数，并返回进行特征提取的步骤，在确定视频流中任意两个相邻视频帧之间的差异均在预设范围内时，建立深度学习网络模型，这里，在提取每个视频帧的特征时均考虑了与该视频帧相邻的前一个视频帧的特征，并要求两者之间的特征差异稳定在预设范围内，这样，可尽量减少视频帧之间的累积误差，从而提高利用各视频帧的特征确定视频采集环境时的准确度。 | ||
| 搜索关键词： | 视频帧 网络模型 预设 特征确定 特征提取 视频流 学习 图像处理技术 相邻视频帧 累积误差 视频采集 特征差异 准确度 返回 申请 | ||
【主权项】：
1.一种用于视频处理的深度学习网络模型的建立方法，其特征在于，包括：对获取的视频流中的每个视频帧，将所述视频帧输入到深度学习网络模型中进行特征提取；根据提取的所述视频帧的特征和与所述视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异；若确定所述差异未稳定在预设范围内，则调整所述深度学习网络模型的参数，返回将所述视频帧输入到深度学习网络模型中进行特征提取的步骤；在确定所述视频流中任意两个相邻视频帧之间的差异均稳定在预设范围内时，将当前的深度学习网络模型确定为建立的深度学习网络模型；根据提取的所述视频帧的特征和与所述视频帧相邻的前一个视频帧的特征确定两个视频帧之间的差异，包括：针对所述视频帧中的每个像素点，计算该像素点与所述前一个视频帧中相同位置上的像素点之间的特征差，根据所述特征差和该像素点的权重确定两个视频帧在该像素点上的差异，其中，所述视频帧中每个像素点的权重是一样的；根据两个视频帧在各像素点上的差异确定两个视频帧之间的差异。
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深兰人工智能芯片研究院（江苏）有限公司，未经深兰人工智能芯片研究院（江苏）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/201910352498.0/，转载请声明来源钻瓜专利网。
