龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京邮电大学
摘要：本发明公开了一种基于轻量级深度学习网络的手写字母识别方法，采用信号处理技术处理信道状态信息幅值数据，采用线性变化方法校正相位数据，然后使用一种结合滑动窗口的短时能量算法截取幅值和相位信号上有效的动作区间，建立联合幅值和相位信号的手写字母数据集。搭建MobileNet_V2深度学习网络，将手写字母数据集输入到经过迁移学习的MobileNet_V2深度学习网络模型中进行训练，获得训练好的手写字母手势分类模型。该手势分类模型可以布置在嵌入式设备上进行分类任务。本发明具有准确率高，训练时间短，设备性能要求低等优点。
主权项：1.一种基于轻量级深度学习网络的手写字母识别方法，其特征在于，具体包括以下步骤：步骤一：采集室内环境下路由器的信道状态信息CSI，对CSI进行处理，得到按时序排列的CSI子载波的幅值和相位信息；步骤二：对步骤一得到的子载波的幅值和相位信息进行预处理，所述预处理包括对子载波的幅值信息进行Hampel滤波、平滑滤波以及软阈值滤波，对子载波的相位信号进行解卷绕、线性变换处理、差分处理和滤波处理；步骤三：对步骤二预处理后的子载波的幅值和相位信息，使用一种结合滑动窗口的短时能量算法截取子载波上动作区间的幅值和相位信息作为有效的手势片段，去除子载波上的非动作区间；步骤四：将步骤三截取出来的动作区间的幅值和相位信息使用双三次插值算法进行缩放，将缩放后的幅值和相位信息制作成数据集；步骤五：将步骤四的数据集分成训练集和测试集两部分，搭建MobileNet_V2深度学习网络，利用训练集对经过迁移学习的MobileNet_V2深度学习网络进行训练，得到手写字母分类网络模型；步骤五：利用测试集对步骤四得到的手写字母分类网络模型进行测试，完成手写字母手势分类。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于轻量级深度学习网络的手写字母识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号