[发明专利]一种基于深度学习的K线形态图像识别方法有效
| 申请号： | 201811238452.8 | 申请日： | 2018-10-23 |
| 公开（公告）号： | CN109543716B | 公开（公告）日： | 2021-12-21 |
| 发明（设计）人： | 张智军;江荣埻;颜子毅 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 裴磊磊 |
| 地址： | 511458 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的K线形态图像识别方法，包括步骤：1)将含有需要识别的金融K线形态图像和该形态对应的坐标作为神经网络的输入，输入到含有多层卷积层的神经网络中；2)将步骤1)的卷积层输出作为区域生成网络的输入，进行区域生成网络训练；3)将步骤2)的区域生成网络的输出作为感兴趣区域进行池化；4)将步骤3)的感兴趣区域池化结果作为Faster‑RCNN检测网络的输入；5)由步骤4)的Faster‑RCNN检测网络最终生成推荐框的位置信息和推荐得分。所述方法克服了现有的金融量化程序难以表达分析师根据经验得到的金融K线形态特征的问题，能够将分析师想要识别的金融K线形态进行学习并且用于包含金融K线形态特征的实时图像识别中。 | ||
| 搜索关键词： | 一种 基于 深度 学习 线形 图像 识别 方法 | ||
【主权项】：
1.一种基于深度学习的K线形态图像识别方法，其特征在于，所述方法包括以下步骤：1)将含有需要识别的金融K线形态图像和该形态对应的坐标作为神经网络的输入，输入到含有多层卷积层的神经网络中；2)将步骤1)的卷积层输出作为区域生成网络的输入，进行区域生成网络训练；3)将步骤2)的区域生成网络的输出作为感兴趣区域进行池化；4)将步骤3)的感兴趣区域池化结果作为Faster‑RCNN检测网络的输入；5)由步骤4)的Faster‑RCNN检测网络最终生成推荐框的位置信息和推荐得分。
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华南理工大学，未经华南理工大学许可，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/201811238452.8/，转载请声明来源钻瓜专利网。
