Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜戎行技术有限公司赵志庆获国家专利权

恭喜戎行技术有限公司赵志庆获国家专利权

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!

龙图腾网恭喜戎行技术有限公司申请的专利一种基于深度学习的图像迭代优化识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119360038B

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411905169.1,技术领域涉及:G06V10/40;该发明授权一种基于深度学习的图像迭代优化识别方法是由赵志庆;侯玉柱;张赛男;刘志雨;张昊;张雨铭威设计研发完成,并于2024-12-23向国家知识产权局提交的专利申请。

一种基于深度学习的图像迭代优化识别方法在说明书摘要公布了:本发明涉及图像识别优化模型的泛化处理领域,尤其涉及一种基于深度学习的图像迭代优化识别方法,包括:采集实时图像建立实时图像特征;根据所述实时图像特征进行初始优化区域识别处理建立图像特征分级数据库;利用所述图像特征分级数据库基于深度学习建立图像优化区域分割模型;根据所述图像优化区域分割模型得到图像迭代优化识别结果,通过深度学习算法提取图像的通用特征,并结合内部自循环迭代机制,构建了一个具有广泛适用性和高度精确性的图像识别模型,在处理图像识别任务时,不仅能够更好地泛化到未见过的数据,而且能够提供更加准确和可靠的预测结果。

本发明授权一种基于深度学习的图像迭代优化识别方法在权利要求书中公布了:1.一种基于深度学习的图像迭代优化识别方法,其特征在于,包括:S1、采集实时图像建立实时图像特征;S1-1、采集实时图像;S1-2、获取所述实时图像的图像分辨率、图像类型与图像容量作为实时图像的图像数据特征;S1-3、获取所述实时图像的颜色特征、纹理特征与形状特征作为实时图像的图像内容特征;S1-4、利用所述实时图像进行数字化处理得到实时图像的数字化矩阵;S1-5、利用所述实时图像的图像数据特征、图像内容特征与数字化矩阵作为实时图像特征;其中,图像类型包括二值图像、灰度图像、索引图像与RGB图像;S2、根据所述实时图像特征进行初始优化区域识别处理建立图像特征分级数据库;S2-1、根据所述实时图像特征的图像数据特征建立数据标签数据库;S2-1-1、判断所述实时图像的图像类型是否为二值图像,若是,则利用所述实时图像根据实时图像特征的图像数据特征对应图像分辨率建立图像像素填充矩阵,否则,执行S2-1-2;S2-1-2、判断所述实时图像的图像类型是否为灰度图像,若是,则利用所述实时图像作为实时灰度图像,否则,利用所述实时图像进行灰度化处理得到实时灰度图像;S2-1-3、利用所述实时图像特征的图像数据特征对应图像分辨率根据实时灰度图像建立图像像素填充矩阵;S2-1-4、获取所述图像像素填充矩阵的矩阵向量作为二级图像数据特征标签;S2-1-5、利用所述图像像素填充矩阵与二级图像数据特征标签作为数据标签数据库;S2-2、根据所述实时图像特征的图像内容特征建立区域标签数据库;S2-2-1、利用所述实时图像特征的图像内容特征对应颜色特征获取对应颜色比例建立图像颜色比值;S2-2-2、利用所述实时图像特征的图像内容特征对应纹理特征获取对应分割区域建立纹理分割区域;S2-2-3、利用所述实时图像特征的图像内容特征对应形状特征进行分割处理得到图像目标区域与图像非目标区域;S2-2-4、利用所述图像颜色比值、纹理分割区域、图像目标区域与图像非目标区域作为区域标签数据库;S2-3、根据所述实时图像特征的数字化标签建立数字化标签数据库;S2-4、利用所述数据标签数据库、区域标签数据库与数字化标签数据库作为图像特征分级数据库;S3、利用所述图像特征分级数据库基于深度学习建立图像优化区域分割模型;S3-1、利用所述图像特征分级数据库基于深度学习建立图像优化区域识别模型;S3-1-1、利用所述图像特征分级数据库的区域标签数据库对应图像目标区域与图像非目标区域作为第一数据集;S3-1-2、利用所述图像特征分级数据库的区域标签数据库对应纹理分割区域作为第二数据集;S3-1-3、利用所述图像特征分级数据库的区域标签数据库对应图像颜色比值作为第三数据集;S3-1-4、利用所述第一数据集作为输入,所述第二数据集与第一数据集的图像目标区域对应纹理分割区域作为正向输出,所述第二数据集与第一数据集的图像非目标区域对应纹理分割区域作为负向输出,基于深度学习进行训练得到图像优化区域粗识别模型;S3-1-5、判断所述图像优化区域粗识别模型的模型输出对应颜色比例与图像特征分级数据库的区域标签数据库对应图像颜色比值是否一致,若是,则利用所述图像优化区域粗识别模型作为图像优化区域识别模型,否则,利用图像颜色比值非一致对应图像优化区域粗识别模型的模型输出更新第一数据集,并返回S3-1-4;S3-2、根据所述图像优化区域识别模型建立图像优化区域分割模型;S4、根据所述图像优化区域分割模型得到图像迭代优化识别结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人戎行技术有限公司,其通讯地址为:300000 天津市河北区铁东路街道志成路130号(自创区河北分园科技招商展示服务中心407-1室);或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。