[发明专利]一种物体属性识别模型的生成方法、存储介质及电子设备有效
| 申请号： | 201910673879.9 | 申请日： | 2019-07-23 |
| 公开（公告）号： | CN110532874B | 公开（公告）日： | 2022-11-11 |
| 发明（设计）人： | 黄惠;郑倩;吴伟锴 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人： | 王永文;刘文求 |
| 地址： | 518060 广东*** | 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： | 本发明公开了一种物体属性识别模型的生成方法、存储介质及电子设备，所述方法包括：通过以包括动作序列以及目标物体属性标签的训练样本对预设神经网络进行训练，所述动作序列为人体与物体的交互动作序列，这样训练得到的物体属性识别模型可以从人体与物体的交互动作中识别到物体属性，所述物体属性包括且不仅限于为物体重量、形状以及软硬程度等，使得训练得到的识别模块对物体属性识别具有通用性，使用范围广的特点。 | ||
| 搜索关键词： | 一种 物体 属性 识别 模型 生成 方法 存储 介质 电子设备 | ||
【主权项】：
1.一种物体属性识别模型的生成方法，其特征在于，其包括：/n获取训练样本集，所述训练样本集包括多组训练样本，每组训练样本包括动作序列以及目标物体属性标签；/n将所述训练样本集中的动作序列输入预设神经网络模型，并获取所述预设神经网络模型所输出的生成物体属性标签；/n根据所述目标物体属性标签和所述生成物体属性标签对所述预设神经网络模型的模型参数进行修正，直至所述预设神经网络模型的训练情况满足预设条件，以得到已训练的物体属性识别模型。/n
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深圳大学，未经深圳大学许可，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/201910673879.9/，转载请声明来源钻瓜专利网。
