成果信息
本發(fā)明提供一種家居圖像多目標識別方法及裝置,能夠為家居圖像訓練節(jié)省大量訓練數據,、計算資源和訓練時間,且能夠提高多目標識別的準確率,。所述方法包括: 獲取家居圖像數據集作為訓練集: 將在目標領域圖像數據集上訓練好的卷積神經網絡模型作為預訓練模型,,采用遷移學習的方法,保留預訓練模型的卷積層和池化層,,通過保留的卷積層和池化層提取訓練集的圖像特征.構建第一特征圖和池化特征圖: 對池化特征圖進行三次卷積操作,,得到第二特征圖: 對第一特征圖和第二特征圖依次作全局均值池化、歸一化,、反池化,、反卷積操作,將反卷積操作后的兩組特征圖進行融合;利用 softmax 分類器對融合后的特征圖進行分類識別。本發(fā)明涉及深度學習領域,, )
背景介紹
本發(fā)明提供一種家居圖像多目標識別方法及裝置,能夠為家居圖像訓練節(jié)省大量訓練數據)
應用前景
-)