国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜戎行技術有限公司趙志慶獲國家專利權

恭喜戎行技術有限公司趙志慶獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜戎行技術有限公司申請的專利一種基于深度學習的圖像迭代優化識別方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119360038B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202411905169.1,技術領域涉及:G06V10/40;該發明授權一種基于深度學習的圖像迭代優化識別方法是由趙志慶;侯玉柱;張賽男;劉志雨;張昊;張雨銘威設計研發完成,并于2024-12-23向國家知識產權局提交的專利申請。

一種基于深度學習的圖像迭代優化識別方法在說明書摘要公布了:本發明涉及圖像識別優化模型的泛化處理領域,尤其涉及一種基于深度學習的圖像迭代優化識別方法,包括:采集實時圖像建立實時圖像特征;根據所述實時圖像特征進行初始優化區域識別處理建立圖像特征分級數據庫;利用所述圖像特征分級數據庫基于深度學習建立圖像優化區域分割模型;根據所述圖像優化區域分割模型得到圖像迭代優化識別結果,通過深度學習算法提取圖像的通用特征,并結合內部自循環迭代機制,構建了一個具有廣泛適用性和高度精確性的圖像識別模型,在處理圖像識別任務時,不僅能夠更好地泛化到未見過的數據,而且能夠提供更加準確和可靠的預測結果。

本發明授權一種基于深度學習的圖像迭代優化識別方法在權利要求書中公布了:1.一種基于深度學習的圖像迭代優化識別方法,其特征在于,包括:S1、采集實時圖像建立實時圖像特征;S1-1、采集實時圖像;S1-2、獲取所述實時圖像的圖像分辨率、圖像類型與圖像容量作為實時圖像的圖像數據特征;S1-3、獲取所述實時圖像的顏色特征、紋理特征與形狀特征作為實時圖像的圖像內容特征;S1-4、利用所述實時圖像進行數字化處理得到實時圖像的數字化矩陣;S1-5、利用所述實時圖像的圖像數據特征、圖像內容特征與數字化矩陣作為實時圖像特征;其中,圖像類型包括二值圖像、灰度圖像、索引圖像與RGB圖像;S2、根據所述實時圖像特征進行初始優化區域識別處理建立圖像特征分級數據庫;S2-1、根據所述實時圖像特征的圖像數據特征建立數據標簽數據庫;S2-1-1、判斷所述實時圖像的圖像類型是否為二值圖像,若是,則利用所述實時圖像根據實時圖像特征的圖像數據特征對應圖像分辨率建立圖像像素填充矩陣,否則,執行S2-1-2;S2-1-2、判斷所述實時圖像的圖像類型是否為灰度圖像,若是,則利用所述實時圖像作為實時灰度圖像,否則,利用所述實時圖像進行灰度化處理得到實時灰度圖像;S2-1-3、利用所述實時圖像特征的圖像數據特征對應圖像分辨率根據實時灰度圖像建立圖像像素填充矩陣;S2-1-4、獲取所述圖像像素填充矩陣的矩陣向量作為二級圖像數據特征標簽;S2-1-5、利用所述圖像像素填充矩陣與二級圖像數據特征標簽作為數據標簽數據庫;S2-2、根據所述實時圖像特征的圖像內容特征建立區域標簽數據庫;S2-2-1、利用所述實時圖像特征的圖像內容特征對應顏色特征獲取對應顏色比例建立圖像顏色比值;S2-2-2、利用所述實時圖像特征的圖像內容特征對應紋理特征獲取對應分割區域建立紋理分割區域;S2-2-3、利用所述實時圖像特征的圖像內容特征對應形狀特征進行分割處理得到圖像目標區域與圖像非目標區域;S2-2-4、利用所述圖像顏色比值、紋理分割區域、圖像目標區域與圖像非目標區域作為區域標簽數據庫;S2-3、根據所述實時圖像特征的數字化標簽建立數字化標簽數據庫;S2-4、利用所述數據標簽數據庫、區域標簽數據庫與數字化標簽數據庫作為圖像特征分級數據庫;S3、利用所述圖像特征分級數據庫基于深度學習建立圖像優化區域分割模型;S3-1、利用所述圖像特征分級數據庫基于深度學習建立圖像優化區域識別模型;S3-1-1、利用所述圖像特征分級數據庫的區域標簽數據庫對應圖像目標區域與圖像非目標區域作為第一數據集;S3-1-2、利用所述圖像特征分級數據庫的區域標簽數據庫對應紋理分割區域作為第二數據集;S3-1-3、利用所述圖像特征分級數據庫的區域標簽數據庫對應圖像顏色比值作為第三數據集;S3-1-4、利用所述第一數據集作為輸入,所述第二數據集與第一數據集的圖像目標區域對應紋理分割區域作為正向輸出,所述第二數據集與第一數據集的圖像非目標區域對應紋理分割區域作為負向輸出,基于深度學習進行訓練得到圖像優化區域粗識別模型;S3-1-5、判斷所述圖像優化區域粗識別模型的模型輸出對應顏色比例與圖像特征分級數據庫的區域標簽數據庫對應圖像顏色比值是否一致,若是,則利用所述圖像優化區域粗識別模型作為圖像優化區域識別模型,否則,利用圖像顏色比值非一致對應圖像優化區域粗識別模型的模型輸出更新第一數據集,并返回S3-1-4;S3-2、根據所述圖像優化區域識別模型建立圖像優化區域分割模型;S4、根據所述圖像優化區域分割模型得到圖像迭代優化識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人戎行技術有限公司,其通訊地址為:300000 天津市河北區鐵東路街道志成路130號(自創區河北分園科技招商展示服務中心407-1室);或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 福建省| 建宁县| 苗栗县| 顺平县| 泰兴市| 濮阳县| 旺苍县| 麦盖提县| 建宁县| 沧州市| 怀来县| 太仓市| 天门市| 宜宾县| 延川县| 石阡县| 青阳县| 来安县| 洛宁县| 台前县| 宜昌市| 乌恰县| 黄陵县| 且末县| 高台县| 米林县| 黄陵县| 昌图县| 五大连池市| 徐州市| 交口县| 房山区| 阿瓦提县| 响水县| 海盐县| 琼海市| 垫江县| 长垣县| 兴化市| 林周县| 沁水县|