[发明专利]图像近似度分析系统

权利要求书

1.一种图像近似度分析系统，用于具有特定图像规则的知识产权领域，用以分析图像相较于参考图像的近似度，所述图像近似度分析系统包括：

训练后的第一深度学习模块，用以接收所述图像，以产生初始图表征；

训练后的神经网络数据处理模块，用以接收所述图像在所述特定图像规范下的图规范信息，并依据所述图规范信息产生图规范表征；

结合学习单元，包括结合模块与训练后的第二深度学习模块，所述结合模块是用以结合所述初始图表征与所述图规范表征，以产生输入信息，所述训练后的第二深度学习模块是用以接收所述输入信息，以产生最终图表征；以及

近似度分析单元，用以将所述最终图表征与所述参考图像的参考图表征比对，以判定所述图像与所述参考图像的近似度。

2.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述神经网络数据处理模块是利用独热编码(One Hot Encode)产生所述图规范表征。

3.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述图规范信息是利用对应于所述特定图像规范的图分类数据库、具有所述特定图像规范的知识图谱库、或对应于所述特定图像规范的量化规范法则所产生。

4.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述结合学习单元将所述初始图表征与所述图规范表征结合以产生所述输入信息的结合方法是采用向量直接合并。

5.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述图规则表征与所述初始图表征的维数相同。

6.如权利要求5所述的图像近似度分析系统，其特征在于，其中所述结合学习单元是以所述图规范表征作为权重结合所述初始图表征与所述图规范表征。

7.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述训练后的第一深度学习模块与所述训练后的第二深度学习模块是选自于由LeNet、AlexNet、VGG、GoogleLeNet、ResNet所组成的卷积神经网络(Convolutional Neural Network；CNN)族群中的至少一个。

8.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述训练后的第一深度学习模块并用以接收所述参考图像，以产生初始参考图表征，所述训练后的神经网络数据处理模块用以接收所述参考图像在所述特定图像规范下的参考图规范信息，并依据所述参考图规范信息产生参考图规范表征，所述结合模块并用以结合所述初始参考图表征与所述参考图规范表征以产生参考输入信息，所述训练后的第二深度学习模块并用以接收所述参考输入信息，以产生所述参考图表征。

9.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述最终图表征与所述参考图表征的维数相同。

10.如权利要求1所述的图像近似度分析系统，其特征在于，其中所述近似度分析单元是比对所述最终图表征与所述参考图表征以产生多维空间内的几何距离，并依据所述几何距离判定所述图像与所述参考图像的近似度。

11.如权利要求10所述的图像近似度分析系统，其特征在于，其中所述近似度分析单元设定至少一阈值，并透过比较所述几何距离与所述阈值的大小关系，判断所述图像是否相似于所述参考图像。