基于卷积神经网络与语义转移联合模型的街景语义标注方法

发明专利有效专利

申请号：
CN201510671900.3
IPC分类号：G06K9/62
申请日期：
2015-10-13
申请人：
西北工业大学

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	基于卷积神经网络与语义转移联合模型的街景语义标注方法
申请号	CN201510671900.3	申请日期	2015-10-13
法律状态	授权	申报国家	中国
公开/公告日	2016-03-09	公开/公告号	CN105389584A
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查看分类表>
申请人	西北工业大学	申请人地址	陕西省西安市友谊西路127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	西北工业大学	当前权利人	西北工业大学
发明人	袁媛;王琦;高君宇
代理机构	西北工业大学专利中心	代理人	王鲜凯

摘要

本发明涉及一种基于卷积神经网络与语义转移联合模型的街景标注方法，包括深度特征提取和软限制语义转移两个部分，通过构建一个更为平衡的训练集，并在此之上训练一个具有先验信息的超像素分类深度模型。它能够充分挖掘场景的先验信息，学习到更具差异性的特征表达，使得超像素的标注准确率大幅提升。通过马尔科夫随机场模型，对初始结果进行优化，去除了不必要的噪声，使得标注结果进一步提高，最终逐像素标注准确率和平均类别准确率达到了77％和53％以上。

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