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：中科晶锐(苏州)科技有限公司

摘要：本发明公开了一种适用于水下姿势聚类的方法及装置，涉及水下手势识别技术领域，包括S1、通过训练一个深度网络，来学习有用的图像表示，让目标点均匀地分散在d维空间上；S2、转换后的向量进行归一化操作；若都均匀分布，使用混合高斯分布将向量，投影到球面；S3、在优化聚类目标的同时，卷积神经网络模型学习图像表征，并对图像分类。该适用于水下姿势聚类的方法及装置，提出了一个无监督聚类方法，以端到端方式构建深度神经网络，在没有额外处理的情况下提供姿态图像的直接聚类分配；采用多模态深度聚类，训练深度网络将图像嵌入与从高斯混合模型分布中采样的目标点对齐，通过图像嵌入的混合分量关联来确定聚类分配。

主权项：1.一种适用于水下姿势聚类的方法，其特征在于，包括以下步骤：S1、通过训练一个深度网络，将其图像嵌入与一组固定的目标点对齐，来学习有用的图像表示，让目标点均匀地分散在d维空间上；假设是一组图像，是深度神经网络进行的映射操作，的输出均统一用L2归一化方法进行归一化；Z是一个d维的向量；所谓目标点是指进行一个向量的映射，从图像的嵌入，统一映射到另外一个向量空间的表示；假设是映射后的向量，每个图像，需要通过一个映射P，映射到一个，优化目标的公式表示为： ——公式1；其中，，表示欧几里得距离；优化问题以随机方式，通过在随机抽样的小批量上迭代求解；具体操作为：给定一小批图像，然后计算,然后公式1通过匈牙利算法，在这个小批量的上对P进行优化，优化目标是最小化源图像嵌入和目标转换向量之间的欧几里得距离；体现到具体实现上为：计算神经网络的参数的训练；通过训练参数，使得图像的嵌入能够通过，完成目标向量的映射；S2、转换后的向量，均进行归一化操作；若都均匀分布，则不适合无监督聚类，聚类之间的分界线会模糊，需引入多模态分布，使用混合高斯分布将归一化后的向量，投影到球面： ； ；所述高斯分布的概率密度函数表示为K个高斯分布的加权平均,d是嵌入的向量空间维度，是权值，是正态分布，或者说高斯分布,其中期望是，协方差矩阵是；并认为每个高斯分布都是相似的， ，公式，表示进行L2归一化；图片的聚类分配采用如下公式： ；argmin是机器学习的常用公式，官方的定义： ；S3、在优化聚类目标的同时，卷积神经网络模型学习图像表征，并对图像分类；采用AlexNet作为卷积神经网络的基础网络，损失函数定义为：——公式2；其中，是翻转变换，将标签为y的图像进行指定的几种翻转操作，y是标签，是网络的参数，是预测标签y的图像翻转后的结果；所述卷积神经网络默认采用AlexNet网络结构：激活函数都用relu；2、3层卷积层之间加入3×3的最大池化操作；所述卷积神经网络后的全连接网络，默认采用3层结构，每层4096个神经元，激活函数采用relu。

全文数据：

权利要求：

百度查询： 中科晶锐(苏州)科技有限公司 一种适用于水下姿势聚类的方法及装置