发明公开
- 专利标题: 基于卷积神经网络的特征提取和描述子生成方法及系统
-
申请号: CN202111398685.6申请日: 2021-11-19
-
公开(公告)号: CN114119987A公开(公告)日: 2022-03-01
- 发明人: 马仪 , 文刚 , 潘浩 , 朱福常 , 李永彪 , 周仿荣 , 马御棠
- 申请人: 云南电网有限责任公司电力科学研究院
- 申请人地址: 云南省昆明市经济技术开发区云大西路105号
- 专利权人: 云南电网有限责任公司电力科学研究院
- 当前专利权人: 云南电网有限责任公司电力科学研究院
- 当前专利权人地址: 云南省昆明市经济技术开发区云大西路105号
- 代理机构: 北京弘权知识产权代理有限公司
- 代理商 逯长明; 许伟群
- 主分类号: G06V10/40
- IPC分类号: G06V10/40 ; G06V10/75 ; G06V10/82 ; G06K9/62 ; G06T7/80 ; G06N3/04 ; G06T3/00 ; G06N3/08
摘要:
本申请属于计算机视觉与导航定位技术领域,提供一种基于卷积神经网络的特征提取和描述子生成方法及系统,该系统包括图像数据获取与标定模块、图像去畸变模块、特征点提取模块、描述子生成与特征点匹配模块、损失函数计算模块、损失函数反向传播训练模块和训练后提取生成模块,通过对去畸变图像进行特征点提取和描述子生成,生成特征点对,根据特征点对和相机内参,计算重投影误差,利用重投影误差对特征点提取模块和描述子生成与特征点匹配模块的卷积神经网络进行训练,调整权重参数,得到训练后的卷积神经网络,利用训练后的卷积神经网络对去畸变图像直接进行特征点提取和描述子生成,不需要进行数据的标定,属于无监督的学习,且准确率更高。