[发明专利]一种基于深度学习的RGBD图像目标识别方法在审
| 申请号： | 201811372149.7 | 申请日： | 2018-11-16 |
| 公开（公告）号： | CN109543697A | 公开（公告）日： | 2019-03-29 |
| 发明（设计）人： | 梅少辉;魏江;田仲祺;黄杰 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 厦门致群专利代理事务所(普通合伙) 35224 | 代理人： | 刘兆庆;张谦 |
| 地址： | 710000 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 图像目标识别 目标检测 深度图像 高维 融合 嵌入式平台 调整参数 分类效果 目标识别 深度特征 网络模型 编码器 分类器 低维 卷积 稀疏 送入 网络 图像 移植 学习 | ||
【权利要求书】：
1.一种基于深度学习的RGBD图像目标识别方法，其特征在于：包括以下步骤：
步骤1、利用稀疏自编码器获取RGB图像和深度图像的低维特征；
步骤2、利用卷积网络进一步提取所述RGB图像和深度图像的高维特征，将得到的高维特征做融合，得到融合特征；
步骤3、将融合后的特征送入到分类器中训练，调整参数使分类效果达到最佳，将上述调整好的网络移值到目标检测框架中，并对整个目标检测框架进行训练，将训练好的模型用于进行目标识别。
2.如权利要求1所述的一种基于深度学习的RGBD图像目标识别方法，其特征在于：在所述步骤1中，所述稀疏自编码器包括输入层、中间层和输出层，学习输入和输出之间的映射保存输入层与中间层的权值，将该权值转换成卷积核的形式用于卷积提取图像的低维特征。
3.如权利要求2所述的一种基于深度学习的RGBD图像目标识别方法，其特征在于：在所述步骤2中，为RGB图像和深度图像的特征各自赋上一个随机的权值，该权值可通过训练的方式自适应得到，将所述RGB图像和深度图像的特征分别与权值相乘后的结果，再加上随机的一对偏置，得到所述融合特征。
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西北工业大学，未经西北工业大学许可，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/201811372149.7/1.html，转载请声明来源钻瓜专利网。
