基于深度学习实现地铁场景分类的系统及方法

发明专利有效专利

申请号：
CN201610107387.X
IPC分类号：G06K9/62;G06F17/15;G06K9/46;G06N3/08
申请日期：
2016-02-26
申请人：
华东理工大学

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	基于深度学习实现地铁场景分类的系统及方法
申请号	CN201610107387.X	申请日期	2016-02-26
法律状态	实质审查	申报国家	暂无
公开/公告日	2016-07-20	公开/公告号	CN105787510A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? 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〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;F;1;7;/;1;5;;;G;0;6;K;9;/;4;6;;;G;0;6;N;3;/;0;8查看分类表>
申请人	华东理工大学	申请人地址	上海市徐汇区梅陇路130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	华东理工大学	当前权利人	华东理工大学
发明人	朱煜;盖瑞敏;郑兵兵;叶炯耀
代理机构	上海智信专利代理有限公司	代理人	王洁;郑暄

摘要

本发明涉及一种基于深度学习实现地铁场景分类的系统及方法，其中包括图像预处理模块，用以对地铁场景图像进行预处理；卷积神经网络提取图像特征模块，用以利用构建的卷积神经网络进行深度特征学习并提取图像特征；全连接网络场景分类模块，用以将从卷积神经网络学习到的优选特征输入全连接神经网络并进行分类从而得到样本的标签类别。采用该种结构的基于深度学习实现地铁场景分类的系统及方法，基于卷积神经网络提取地铁场景图片特征，并用单层全连接网络作为分类器，该方法无须对场景语义进行分析，即可实现对地铁不同场景图片的正确分类，鲁棒性强；该方法对地铁后续的运行状态监测工作有重要价值，具有更广泛的应用范围。

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