[发明专利]一种超深度对抗学习在线图像识别的方法在审
| 申请号： | 201710123103.0 | 申请日： | 2017-02-27 |
| 公开（公告）号： | CN108510056A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 顾泽苍 | 申请（专利权）人： | 顾泽苍 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N7/00;G06K9/62;G06F17/18;G06N99/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300010 天津市*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及信息处理领域中的一种超深度对抗学习在线图像识别的方法，其特征是在评价识别对象的特征要素属于哪个已登录的概率空间的概率分布的特征要素时，是通过两个最为接近的概率空间的概率分布的特征要素所建立的对抗学习获得最终结果的，上述对抗学习是基于穿越不同空间的距离构建的模糊事件概率测度进行评价的。让感知层与感知对象之间的每一个多概率尺度自组织的机器学习单元自动的抓取感知对象的一个部分的特征；自动跟踪感知对象的这部分特征。本发明实施效果是：可从视频图像中识别出经过学习的图像，同深度学习相比具有识别精度高，速度快，不需要大量的事先学习，以及不需要庞大的硬件环境就可实现。 | ||
| 搜索关键词： | 特征要素 学习 感知 对抗 概率分布 概率空间 在线图像 抓取 机器学习单元 信息处理领域 概率测度 概率尺度 模糊事件 视频图像 硬件环境 自动跟踪 最终结果 感知层 自组织 构建 登录 穿越 图像 | ||
【主权项】：
1.一种超深度对抗学习在线图像识别的方法，其特征在于：(1)在评价识别对象的特征要素属于哪个已登录的概率空间的概率分布的特征要素时，是通过两个最为接近的概率空间的概率分布的特征要素所建立的对抗学习获得最终结果的；(2)上述对抗学习是基于穿越不同空间的距离构建的模糊事件概率测度进行评价的；(3)让感知层与感知对象之间的每一个多概率尺度自组织的机器学习单元自动的抓取感知对象的一个部分的特征；自动跟踪感知对象的这部分特征。
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顾泽苍，未经顾泽苍许可，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/201710123103.0/，转载请声明来源钻瓜专利网。
