[发明专利]基于深度学习的融媒体资源库缩略图识别原图的方法

权利要求书

1.一种基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，包括具体如下方法步骤：

S1、将预处理后的图像数据输入到输入层；

S2、使用卷积层提取高维特征,经过卷积把背景无关因素淡化，突出待分类对象的主要特征，并使用ReLU为激活函数；

S3、通过最大池化层缩小矩阵尺寸，减少参数，来加速计算同时防止过拟和；

S4、将全连接转卷积，将全连接层中变成三个卷积层；

S5、批量读取图片库中的图片,从指定目录批量读取图片数据到内存中；

S6、批量预处理，将每张图片缩放成固定大小的图片，以待后续处理；

S7、根据S1-S4的步骤进行批量特征抽取，将抽取的所有特征保存到特征库中，并建立图片与对应特征的索引，便于后面查找；

S8、判断所有图片是否处理完，如果没有，循环进行上述S5-S7的步骤，直到所有图片处理完为止后进入下一步；

S9、接收到用户缩略图识别原图的请求，并将图片P1缩放成固定大小的图片P2；

S10、特征抽取，并与特征库中的所有图片特征做相似度计算，取相似度最大的特征的图片P，即为原图；

S11、获取用户反馈并调整优化模型，根据用户反馈结果并优化模型，使得结果更准确。

2.根据权利要求1所述的基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，所述卷积层提取高维特征公式如下：

其中，(f*g)(n)为f,g的卷积。

3.根据权利要求1所述的基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，所述S2具体包括如下方法步骤：

S21、在输入矩阵的边界加入全0填充，使得输出矩阵与输入矩阵尺寸保持一致；

S22、将S21所得的填充后的矩阵输入到卷积网络；

S23、将S22卷积操作所得结果加上偏置量，再通过激活函数ReLU输出给下一层。

4.根据权利要求1所述的基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，所述步骤S1-S4为特征抽取的方法步骤。

5.根据权利要求1所述的基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，所述全连接层中的三个卷积层分别为1个conv 7x7和2个conv 1x1。

6.根据权利要求1所述的基于深度学习的融媒体资源库缩略图识别原图的方法，其特征在于，所述S1中的输入层大小选择为32的倍数。