一种基于深度学习的商品图像识别方法.pdf
是湛****21
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的商品图像识别方法.pdf
本发明提供一种基于深度学习的商品图像识别方法,包括以下步骤:提取商品图像的轮廓特征图像;将所述轮廓特征图像输入第一深度学习模型,得到所述商品的类别匹配结果;根据类别匹配结果选取对应的第二深度学习模型,所述第二深度学习模型为多个,不同的第二深度学习模型对应不同的商品类别,所述商品类别根据商品的轮廓进行分类;提取商品图像的颜色特征图像和/或纹理特征图像;将所述颜色特征图像和/或纹理特征图像输入所述类别匹配结果对应的第二深度学习模型,得到所述商品的最终匹配结果。本发明既可以提高商品识别的准确性,又可以提高商品识
一种基于深度学习的细胞图像识别方法.pdf
本发明属于细胞图像处理技术领域,尤其是一种基于深度学习的细胞图像识别方法,包括视觉图像处理模块,所述视觉图像处理模块将细胞图像分解成n*m个传感器大小的图像,传感器为每个细胞采样赋予0到(2<base:Sup>b</base:Sup>?1)之间的值,所述传感器为每个细胞采样赋予0到(2<base:Sup>b</base:Sup>?1)之间的值为像素值时,使用二维离散矩阵I(n<base:Sub>1</base:Sub>,n<base:Sub>2</base:Sub>)来表示像素值矩阵,像素值矩阵。该基于深
基于深度学习的植物图像识别方法研究.docx
基于深度学习的植物图像识别方法研究袁银++王东斌++刘永金摘要传统植物图像识别研究主要集中在植物叶片图像。研究将深度神经网络学习运用于植物识别领域,突破局部叶片图像的限制,对常规植物图片进行识别。该方法运用googleNet的深度卷积神经网络结构,通过图像旋转、镜像、随机裁剪等数据预处理方法扩充训练集,再利用SGD(随机梯度下降法)进行模型算法优化,生成对50种常规植物图像的识别模型。结果表明,该模型在测试集上能够达到平均90%的准确率。关键词植物图像识别;深度学习;神经网络TP391.41A1007-5
一种基于深度学习的序列图像场景识别方法.pdf
本申请涉及一种基于深度学习的序列图像场景识别方法,所述方法包括:获取当前观测图像和地图的图像序列,并提取图像的描述子;根据提取的描述子计算当前观测图像和地图之间的序列代价值;基于所述序列代价值估计当前的速度值,并确定当前的似然概率分布;基于当前的似然概率分布和上一状态的预测置信度,确定当前状态的置信度;基于当前的速度值确定状态转移的概率分布;基于状态转移的概率分布和当前状态的置信度,确定下一状态的预测置信度。本申请的场景识别方案,通过序列图像之间的匹配,克服了单张图片进行匹配误差较大的问题;能够在室外场景
一种基于图像深度学习的海上目标识别方法.pdf
本发明涉及一种基于图像深度学习的海上目标识别方法,属于人工智能图像识别相关技术领域。为快速准确的识别出海上目标,满足态势评定与威胁评估的需要,为指挥决策提供重要依据,本发明提供了一种基于图像深度学习的海上目标识别方法。对比传统海上识别目标的方式,本发明技术方案的准确性、时效性、智能化程度都得到了极大提高。