发明公开
- 专利标题: 一种基于无监督深度学习神经网络的图像特征提取方法
-
申请号: CN202310121708.1申请日: 2023-02-16
-
公开(公告)号: CN116310395A公开(公告)日: 2023-06-23
- 发明人: 宋诗斌 , 朱杰 , 于凤洁 , 程炜皓 , 王海霞 , 卢晓 , 盛春阳 , 聂君 , 张治国 , 孙巧巧
- 申请人: 山东科技大学
- 申请人地址: 山东省青岛市黄岛区前湾港路579号
- 专利权人: 山东科技大学
- 当前专利权人: 山东科技大学
- 当前专利权人地址: 山东省青岛市黄岛区前湾港路579号
- 代理机构: 青岛智地领创专利代理有限公司
- 代理商 张凯
- 主分类号: G06V10/46
- IPC分类号: G06V10/46 ; G06V10/50 ; G06V10/77 ; G06V10/82 ; G06N3/0464 ; G06N3/048 ; G06N3/088 ; G06N3/084
摘要:
本发明提供了一种基于无监督深度神经网络的图像特征提取方法,具体包括如下步骤:获取当前不同视点的图像,调整所有图像为统一大小,并转成灰度图;对灰度图进行单应性变换,新生成的图像与原图重新构成一组图像对,最后吧所有的图像对构成一个图像集;随机选择每个图像对中的一张图像构成图像组A,另一张图像构成图像组B;把图像组A中每张图片按图像长宽比进行分块;把图像组B作为无监督深度学习神经网络的输入;利用计算出的误差对无监督深度学习神经网络进行反向传播。本发明的技术方案克服现有技术中基于卷积神经网络的提取速度慢,且需要大量标注数据用于网络训练的问题。