[发明专利]基于卷积神经网络的壁画线描图生成算法在审
| 申请号： | 201810520510.X | 申请日： | 2018-05-28 |
| 公开（公告）号： | CN108921862A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 孙迪;张璞;张传雷;赵婷婷;李会彬 | 申请（专利权）人： | 天津科技大学 |
| 主分类号： | G06T7/13 | 分类号： | G06T7/13;G06T11/00;G06N3/04;G06N3/08 |
| 代理公司： | 天津盛理知识产权代理有限公司 12209 | 代理人： | 王利文 |
| 地址： | 300222 天津市河*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的壁画线描图生成算法，包括以下步骤：收集壁画和线描数据，建立壁画‑线描数据集；基于VGG16模型搭建深层卷积神经网络模型；使用制作好的壁画‑线描数据集通过梯度下降算法进行模型训练；利用验证集进行验证，如果在验证集上损失下降，则保存模型；在此期间不断在验证集上进行调优，并使用最优模型在测试集上进行测试。本发明设计合理，其通过建立壁画‑线描数据集、基于VGG16进行改进并搭建深层卷积神经网络模型、利用梯度下降算法进行模型训练、调整学习率等方式进行验证调优，最后测试输出高质量的线描图，并且不需要进一步的边界连接过程，处理速度很快。 | ||
| 搜索关键词： | 壁画 卷积神经网络 数据集 验证集 描图 模型训练 生成算法 下降算法 验证 测试 边界连接 模型搭建 最优模型 测试集 输出 保存 制作 改进 学习 | ||
【主权项】：
1.一种基于卷积神经网络的壁画线描图生成算法，其特征在于包括以下步骤：步骤1、收集壁画和线描数据，建立壁画‑线描数据集；步骤2、基于VGG16模型搭建深层卷积神经网络模型；步骤3、使用制作好的壁画‑线描数据集通过梯度下降算法进行模型训练；步骤4、利用验证集进行验证，如果在验证集上损失下降，则保存模型；在此期间不断在验证集上进行调优，并使用最优模型在测试集上进行测试。
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天津科技大学，未经天津科技大学许可，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/patent/201810520510.X/，转载请声明来源钻瓜专利网。
