龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉东智科技股份有限公司
摘要：本发明涉及计算机视觉技术领域，特别是涉及一种基于DDT深度神经模型结构的监控图像地点信息识别方法，包括步骤：对图像进行预处理；将预处理后的图像应用Deep‑Feature子结构得到图像的特征矩阵；生成与特征矩阵等尺寸的位置矩阵，生成由隶属度向量构成的概率矩阵及其位置矩阵；将特征矩阵及其位置矩阵、概率矩阵及其位置矩阵作为Decoder子结构的输入；得到字符集合中每个字符预测的概率，输出每个隶属度向量中概率值最高的索引值，将索引值替换为字符，作为地点信息识别结果输出。本发明能更好的提取图像的特征，并减少了对字符位置编码的需求。本发明更好利用了图像特征，同时识别与原图像中等长的地点信息，大大增加了识别精度。
主权项：1.一种基于DDT深度模型结构的监控图像地点信息识别的方法，所述DDT为Deepfeature-DecoderTransformer的简写，其特征在于，包括如下步骤：步骤I：对输入的监控图像进行预处理，调整图像尺寸等于深度神经网络的输入维度；步骤II：将预处理之后的图像送入所述DDT深度模型结构的Deep-Feature子结构中，得到监控图像的特征矩阵；步骤III：从标准正态分布N0,1中随机取值，生成与步骤II中特征矩阵等尺寸的位置矩阵，该位置矩阵代表特征矩阵的位置信息；步骤IV：从标准正态分布N0,1中随机取值，生成由隶属度向量构成的概率矩阵；以相同的取值方法，生成与概率矩阵等尺寸的位置矩阵，该位置矩阵代表概率矩阵的位置信息；步骤V：载入深度神经网络模型，将特征矩阵及其位置矩阵、概率矩阵及其位置矩阵作为Decoder子结构的输入，对特征矩阵进行循环解码，计算识别结果的概率矩阵；步骤VI：使用线性映射矩阵将步骤V的结果映射至t维，其中t等于字符集合S＝{s1,s2,.......st,}的大小，得到模型对字符集合中每个字符预测的概率；输出每个隶属度向量中概率值最高的索引值，根据字符集合中索引值与字符映射关系，将索引值替换为字符，作为地点信息识别结果输出。
全文数据：
权利要求：
百度查询： 武汉东智科技股份有限公司 基于DDT深度神经模型结构的监控图像地点信息识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号