[发明专利]一种基于深度学习的纤维识别方法及装置在审
| 申请号： | 201711465663.0 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108090498A | 公开（公告）日： | 2018-05-29 |
| 发明（设计）人： | 贾立锋;吴迪 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 510006 广东省*** | 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： | 本发明公开了一种基于深度学习的纤维识别方法，通过深度学习中的卷积神经网络模型对纤维进行识别和分类，可以自动的学习纤维特征，不需要人参与选取的过程，从而大幅提升计算机对纤维识别准确性，扩大了可被识别的纤维种类。并且，基于卷积神经网络模型具有多层的隐层节点，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易，与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。本发明还公开了一种基于深度学习的纤维识别装置、设备及计算机可读存储介质，同样能实现上述技术效果。 | ||
| 搜索关键词： | 纤维识别 卷积神经网络 学习 计算机可读存储介质 纤维 识别和分类 规则构造 技术效果 内在信息 特征变换 特征表示 纤维特征 大数据 新特征 多层 隐层 样本 刻画 计算机 分类 预测 | ||
【主权项】：
1.一种基于深度学习的纤维识别方法，其特征在于，包括：利用预定参数创建卷积神经网络模型；其中，所述卷积神经网络模型的卷积核为长宽不等的矩形卷积核；获取纤维图片的训练集及验证集，通过所述纤维图片的训练集及验证集对所述卷积神经网络模型训练，得到训练后的卷积神经网络模型；确定待识别纤维图片，根据所述训练后的卷积神经网络模型对所述待识别纤维图片进行识别；其中，所述训练集、验证集及待识别纤维图片中的纤维图片均为长宽不等的矩形纤维图片。
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广东工业大学，未经广东工业大学许可，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/201711465663.0/，转载请声明来源钻瓜专利网。
