[发明专利]深度学习系统及其方法

权利要求书

1.一种深度学习系统，其特征在于，包括：

影像撷取单元，用以撷取图像；

处理器；以及

存储器，用以存储可供所述处理器执行的计算器程序，

其中，处理器用以执行：

预处理所述图像，并生成第一处理图像；

根据所述第一处理图像建立训练模型；以及，

检测训练模型并生成集成模型。

2.根据权利要求1所述的系统，其特征在于，所述预处理所述图像，并生成第一处理图像，更包括：

采集原始图像；以及，

根据所述原始图像生成第一处理图像。

3.根据权利要求2所述的系统，其特征在于，所述根据所述原始图像生成第一处理图像，更包括：

根据所述原始图像的尺寸确定所述原始图像的中心点坐标；

根据所述原始图像的中心点坐标查找图像像素值剧烈变化的坐标区域，确定所述原始图像感兴趣区域的边界坐标；以及，

根据所述原始图像感兴趣区域的边界坐标裁剪所述原始图像，得到没有黑色区域干扰的第一处理图像；其中，

所述原始图像感兴趣区域为在所述原始图像中划定的图像区域。

4.根据权利要求1所述的系统，其特征在于，所述检测训练模型并生成集成模型，更包括：

判断所述训练模型是否达到预设标准；以及，

根据判定结果生成集成模型。

5.根据权利要求4所述的系统，其特征在于，所述根据判定结果生成集成模型，更包括：

根据多个模型分别对原始图片的分类作出判定，得到多个判定结果；

将数量最多的判定结果作为原始图片的最终判定结果；或，

对准确率差异较大模型的预测结果进行加权求和处理，得到最终判定结果；其中，

模型集成时采用的多个模型是采用不同初始化参数训练的模型、采用交叉验证准确率排序靠前的几个模型以及检测目标全完不同的两个模型。

6.一种深度学习方法，其特征在于，包括：

采集图像数据并对图像数据进行预处理，生成第一处理图像；

根据所述第一处理图像建立训练模型；

检测训练模型并生成集成模型。

7.根据权利要求6所述的方法，其特征在于，所述采集图像数据并对图像数据进行预处理，生成第一处理图像，包括：

采集原始图像；

根据所述原始图像生成第一处理图像。

8.根据权利要求7所述的方法，其特征在于，所述根据所述原始图像生成第一处理图像，包括：根据所述原始图像的尺寸确定所述原始图像的中心点坐标；

根据所述原始图像的中心点坐标查找图像像素值剧烈变化的坐标区域，确定所述原始图像感兴趣区域的边界坐标；

根据所述原始图像感兴趣区域的边界坐标裁剪所述原始图像得到没有黑色区域干扰的第一处理图像；其中，

所述原始图像感兴趣区域为在所述原始图像中划定的图像区域。

9.根据权利要求6所述的方法，其特征在于，所述检测训练模型并生成集成模型，包括：

判断所述训练模型是否达到预设标准；

根据判定结果生成集成模型。

10.根据权利要求9所述的方法，其特征在于，所述根据判定结果生成集成模型，更包括：

根据多个模型分别对原始图片的分类作出判定，得到多个判定结果；

将数量最多的判定结果作为原始图片的最终判定结果；或，

对准确率差异较大模型的预测结果进行加权求和处理，得到最终判定结果；其中，

模型集成时采用的多个模型是采用不同初始化参数训练的模型、采用交叉验证准确率排序靠前的几个模型以及检测目标全完不同的两个模型。