基于改进抗噪鲁棒性学习算法的建筑图像数据处理方法

发明专利有效专利

申请号：
CN202110568910.X
IPC分类号：G06K9/40;G06K9/62
申请日期：
2021-05-25
申请人：
电子科技大学成都学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于改进抗噪鲁棒性学习算法的建筑图像数据处理方法
申请号	CN202110568910.X	申请日期	2021-05-25
法律状态	实质审查	申报国家	暂无
公开/公告日	2021-08-13	公开/公告号	CN113255688A
优先权	暂无	优先权号	暂无
主分类号	G06K9/40 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/36 图像预处理，即无须判定关于图像的同一性而进行的图像信息处理〔3〕 G06K9/40 噪声的滤除〔3〕	IPC分类号	G;0;6;K;9;/;4;0;;;G;0;6;K;9;/;6;2查看分类表>
申请人	电子科技大学成都学院	申请人地址	四川省成都市郫县高新技术产业开发区西区百叶路1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学成都学院	当前权利人	电子科技大学成都学院
发明人	邹倩颖
代理机构	四川猫博思知识产权代理有限公司	代理人	张辉

摘要

本发明属于图像数据采集技术领域。本发明公开了一种基于改进抗噪鲁棒性学习算法的建筑图像数据处理方法，将鲁棒性学习模型引用到建筑图像数据处理中来，进剔除了获取的数据中的错误数据，避免计算过程中因量纲不同而产生较大的误差，提高了模型的准确率；有效弥补训练样本集规模小和多样性不足的问题；在小规模样本上，模型的泛化能力比深度学习的方法强，提升了模型的迁移能力；在工程应用中，一旦确定模型参数，就无需再次训练，有效提升了效率。本发明算法原理简单，计算结果可靠，可具体应用于建筑图像数据分析中，具有广阔的应用价值和市场前景。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供