[发明专利]深度神经网络识别模型及识别方法有效
| 申请号： | 201711209932.7 | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN108108662B | 公开（公告）日： | 2021-05-25 |
| 发明（设计）人： | 张德雷;何其佳;曾儿孟 | 申请（专利权）人： | 深圳市华尊科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郝传鑫;熊永强 |
| 地址： | 518000 广东省深圳市福田*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例公开了一种深度神经网络识别模型及识别方法，其中方法包括：微调训练层根据全连接层的原始权重矩阵和训练集对所述全连接层进行训练，并在训练完成时得到目标权重矩阵；所述全连接层根据所述目标权重矩阵提取目标图像的行人特征；获取所述行人特征和预设数据集中每一预设数据之间的相似度，得到多个相似度；对所述多个相似度进行排序，得到最大相似度对应的预设数据；在所述最大相似度大于预设阈值时，根据该预设数据确定所述目标图像中行人的特征数据。本申请实施例，可提高行人再识别的识别速度和准确率。 | ||
| 搜索关键词： | 深度 神经网络 识别 模型 方法 | ||
【主权项】：
1.一种深度神经网络识别模型，其特征在于，包括微调训练层和与所述微调训练层连接的全连接层，所述全连接层为训练完成的神经网络识别模型，其中：所述微调训练层，用于根据所述全连接层的原始权重矩阵和训练集对所述全连接层进行训练，并在训练完成时得到目标权重矩阵；所述全连接层，用于根据所述目标权重矩阵提取目标图像的行人特征；获取所述行人特征和预设数据集中每一预设数据之间的相似度，得到多个相似度；对所述多个相似度进行排序，得到最大相似度对应的预设数据；在所述最大相似度大于预设阈值时，根据该预设数据确定所述目标图像中行人的特征数据。
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圳市华尊科技股份有限公司，未经深圳市华尊科技股份有限公司许可，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/201711209932.7/，转载请声明来源钻瓜专利网。
- 上一篇：基于无人机示警灰霾源的方法、装置及系统
- 下一篇：一种视频人脸识别系统与方法
