[发明专利]基于神经网络的图像识别方法和系统在审

专利信息
申请号: 201310398873.8 申请日: 2013-09-04
公开(公告)号: CN103473558A 公开(公告)日: 2013-12-25
发明(设计)人: 翁凯剑;梁国远;吴新宇;徐扬生 申请(专利权)人: 深圳先进技术研究院
主分类号: G06K9/62 分类号: G06K9/62;G06N3/02
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 吴平
地址: 518055 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 图像 识别 方法 系统
【权利要求书】:

1.一种基于神经网络的图像识别方法,包括:

步骤a,采集训练样本图像和类别,并将所述训练样本图像按照类别顺序建立训练样本集;

步骤b,设定预先建立的神经网络参数的初始值,所述神经网络包括输入层、中间变量层和输出层,所述中间变量层的节点包括各个输出神经元节点的兴奋型变量节点和抑制型变量节点,所述中间变量层的各节点分别与所述输入层的每个输入神经元节点通过可变权值连接,所述可变权值包括可变的长期权值和短期权值,所述输出层的每个输出神经元节点分别与所述中间变量层中对应的兴奋型变量节点和抑制型变量节点相连接;

步骤c,根据所述训练样本集对所述神经网络进行训练,直到各个神经元的可变权值的变动在预设允许范围内结束训练;

步骤d,利用完成训练的所述神经网络对待分类图像进行识别分类。

2.根据权利要求1所述的基于神经网络的图像识别方法,其特征在于,在步骤c之后,步骤d之前,还包括:

步骤e,获取测试图像和分类精确度阈值,将所述测试图像输入所述神经网络进行识别分类,判断得到的分类精确度是否小于等于所述分类精确度阈值,若是,则执行步骤d,若否,则重新设定所述神经网络参数的值进行训练。

3.根据权利要求1所述的基于神经网络的图像识别方法,其特征在于,所述参数包括用于调节长期权值和短期权值对输出神经元的影响比例的变量σ、隐藏变量的变化步长δ、权值的变化步长ρ、神经元非线性函数的变化曲率a、偏移量s和随训练次数变化的变量b。

4.根据权利要求1所述的基于神经网络的图像识别方法,其特征在于,所述步骤c包括:

步骤c1,输出神经元反应得到输出响应,对所述输出响应进行竞争得到响应最强的输出神经元作为获胜神经元;

步骤c2,根据所述获胜神经元按照预先设置的权值改变规则调整权值和参数值,再根据所述调整后的权值和参数值进行训练,直到各个神经元的可变权值的变动在预设允许范围内结束训练。

5.根据权利要求4所述的基于神经网络的图像识别方法,其特征在于,所述步骤c1中所需的输入变量X、中间变量Y±和输出响应Y之间的关系公式如下:

Yj=Yj+-Yj-

Yj±=sigmoid±(Σσ·min(xi±,WLij±)+(1-σ)·min(Xi±,WSij±)Σwij±;]]>

Xi+=Xi,Xi-=1-Xi

sigmoid±(X)=11+e-a±(X-b±);]]>

bj+T+1=Yj+T-s,bj-T+1=Yj-T+s;]]>

其中,Yj表示第j个输出响应;Yj+表示第j个输出响应的兴奋型变量;Yj-表示第j个输出响应的抑制型变量;Xi表示第i个输入变量;sigmoid是非线性函数;WLij+表示第i个输入变量和第j个输出响应所对应的兴奋型的长期权值;WLij-表示第i个输入变量和第j个输出响应所对应的抑制型的长期权值;WSij+表示第i个输入变量和第j个输出响应所对应的兴奋型的短期权值;WSij-表示第i个输入变量和第j个输出响应所对应的抑制型的短期权值;a±表示神经元非线性函数的变化曲率,且a+和a-初始值相等;b±是随训练次数变化的变量,且b+和b-初始值相等;T为训练次数;σ为用于调节长期权值和短期权值对输出神经元的影响比例的变量;s为偏移量;sigmoid+采用a+和b+计算,sigmoid-采用a-和b-计算得到;Yj+采用sigmoid+、Xi+、WLij+和WSij+计算得到;Yj-采用sigmoid-、Xi-、WLij-和WSij-计算得到;min是取最小值函数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201310398873.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top