[发明专利]一种仪器识别模型训练方法和装置及仪器识别方法和装置有效
| 申请号： | 201811001676.7 | 申请日： | 2018-08-30 |
| 公开（公告）号： | CN109002562B | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 周垒生;李亚辉;聂梓晨;佟华;冯乐斌 | 申请（专利权）人： | 北京信立方科技发展股份有限公司 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人： | 何明伦 |
| 地址： | 100000 北京市西城区新*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供的仪器识别模型训练方法和装置及仪器识别方法和装置，其中，仪器识别模型训练方法包括：获取多张带有类别标签和名称标签的仪器样本图像；基于多张仪器样本图像和类别标签，对深度卷积神经网络模型进行训练，得到训练好的深度卷积神经网络模型；基于训练好的深度卷积神经网络模型，获取仪器样本图像的特征向量；针对每个类别标签，构成与该类别标签对应的特征数据库；将训练好的深度卷积神经网络模型和各个类别标签分别对应的特征数据库作为仪器识别模型。在仪器识别过程中，能够通过结合分类和检索，避免由于划分类别多导致的识别精度不高或通过直接遍历特征数据库进行检索导致的识别效率低的问题，提高了识别精度和识别效率。 | ||
| 搜索关键词： | 一种 仪器 识别 模型 训练 方法 装置 | ||
【主权项】：
1.一种仪器识别模型训练方法，其特征在于，包括：获取多张带有类别标签和名称标签的仪器样本图像；所述类别标签是对多种仪器按照视觉相似性属性划分成多个类别后，根据划分成的多个类别为每种仪器的仪器样本图像所添加的标签；基于多张所述仪器样本图像，以及与每张所述仪器样本图像对应的类别标签，对深度卷积神经网络模型进行多轮训练，得到训练好的深度卷积神经网络模型；基于训练好的所述深度卷积神经网络模型，获取所述仪器样本图像的特征向量；针对每个类别标签，基于具有该类别标签的仪器样本图像的特征向量，构成与该类别标签对应的特征数据库；每个特征向量均对应有名称标签；将训练好的所述深度卷积神经网络模型和各个所述类别标签分别对应的所述特征数据库作为仪器识别模型。
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北京信立方科技发展股份有限公司，未经北京信立方科技发展股份有限公司许可，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/201811001676.7/，转载请声明来源钻瓜专利网。
