買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜戎行技術(shù)有限公司申請的專利一種基于深度學習的圖像迭代優(yōu)化識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119360038B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411905169.1，技術(shù)領(lǐng)域涉及：G06V10/40；該發(fā)明授權(quán)一種基于深度學習的圖像迭代優(yōu)化識別方法是由趙志慶;侯玉柱;張賽男;劉志雨;張昊;張雨銘威設計研發(fā)完成，并于2024-12-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于深度學習的圖像迭代優(yōu)化識別方法在說明書摘要公布了：本發(fā)明涉及圖像識別優(yōu)化模型的泛化處理領(lǐng)域，尤其涉及一種基于深度學習的圖像迭代優(yōu)化識別方法，包括：采集實時圖像建立實時圖像特征；根據(jù)所述實時圖像特征進行初始優(yōu)化區(qū)域識別處理建立圖像特征分級數(shù)據(jù)庫；利用所述圖像特征分級數(shù)據(jù)庫基于深度學習建立圖像優(yōu)化區(qū)域分割模型；根據(jù)所述圖像優(yōu)化區(qū)域分割模型得到圖像迭代優(yōu)化識別結(jié)果，通過深度學習算法提取圖像的通用特征，并結(jié)合內(nèi)部自循環(huán)迭代機制，構(gòu)建了一個具有廣泛適用性和高度精確性的圖像識別模型，在處理圖像識別任務時，不僅能夠更好地泛化到未見過的數(shù)據(jù)，而且能夠提供更加準確和可靠的預測結(jié)果。

本發(fā)明授權(quán)一種基于深度學習的圖像迭代優(yōu)化識別方法在權(quán)利要求書中公布了：1.一種基于深度學習的圖像迭代優(yōu)化識別方法，其特征在于，包括：S1、采集實時圖像建立實時圖像特征；S1-1、采集實時圖像；S1-2、獲取所述實時圖像的圖像分辨率、圖像類型與圖像容量作為實時圖像的圖像數(shù)據(jù)特征；S1-3、獲取所述實時圖像的顏色特征、紋理特征與形狀特征作為實時圖像的圖像內(nèi)容特征；S1-4、利用所述實時圖像進行數(shù)字化處理得到實時圖像的數(shù)字化矩陣；S1-5、利用所述實時圖像的圖像數(shù)據(jù)特征、圖像內(nèi)容特征與數(shù)字化矩陣作為實時圖像特征；其中，圖像類型包括二值圖像、灰度圖像、索引圖像與RGB圖像；S2、根據(jù)所述實時圖像特征進行初始優(yōu)化區(qū)域識別處理建立圖像特征分級數(shù)據(jù)庫；S2-1、根據(jù)所述實時圖像特征的圖像數(shù)據(jù)特征建立數(shù)據(jù)標簽數(shù)據(jù)庫；S2-1-1、判斷所述實時圖像的圖像類型是否為二值圖像，若是，則利用所述實時圖像根據(jù)實時圖像特征的圖像數(shù)據(jù)特征對應圖像分辨率建立圖像像素填充矩陣，否則，執(zhí)行S2-1-2；S2-1-2、判斷所述實時圖像的圖像類型是否為灰度圖像，若是，則利用所述實時圖像作為實時灰度圖像，否則，利用所述實時圖像進行灰度化處理得到實時灰度圖像；S2-1-3、利用所述實時圖像特征的圖像數(shù)據(jù)特征對應圖像分辨率根據(jù)實時灰度圖像建立圖像像素填充矩陣；S2-1-4、獲取所述圖像像素填充矩陣的矩陣向量作為二級圖像數(shù)據(jù)特征標簽；S2-1-5、利用所述圖像像素填充矩陣與二級圖像數(shù)據(jù)特征標簽作為數(shù)據(jù)標簽數(shù)據(jù)庫；S2-2、根據(jù)所述實時圖像特征的圖像內(nèi)容特征建立區(qū)域標簽數(shù)據(jù)庫；S2-2-1、利用所述實時圖像特征的圖像內(nèi)容特征對應顏色特征獲取對應顏色比例建立圖像顏色比值；S2-2-2、利用所述實時圖像特征的圖像內(nèi)容特征對應紋理特征獲取對應分割區(qū)域建立紋理分割區(qū)域；S2-2-3、利用所述實時圖像特征的圖像內(nèi)容特征對應形狀特征進行分割處理得到圖像目標區(qū)域與圖像非目標區(qū)域；S2-2-4、利用所述圖像顏色比值、紋理分割區(qū)域、圖像目標區(qū)域與圖像非目標區(qū)域作為區(qū)域標簽數(shù)據(jù)庫；S2-3、根據(jù)所述實時圖像特征的數(shù)字化標簽建立數(shù)字化標簽數(shù)據(jù)庫；S2-4、利用所述數(shù)據(jù)標簽數(shù)據(jù)庫、區(qū)域標簽數(shù)據(jù)庫與數(shù)字化標簽數(shù)據(jù)庫作為圖像特征分級數(shù)據(jù)庫；S3、利用所述圖像特征分級數(shù)據(jù)庫基于深度學習建立圖像優(yōu)化區(qū)域分割模型；S3-1、利用所述圖像特征分級數(shù)據(jù)庫基于深度學習建立圖像優(yōu)化區(qū)域識別模型；S3-1-1、利用所述圖像特征分級數(shù)據(jù)庫的區(qū)域標簽數(shù)據(jù)庫對應圖像目標區(qū)域與圖像非目標區(qū)域作為第一數(shù)據(jù)集；S3-1-2、利用所述圖像特征分級數(shù)據(jù)庫的區(qū)域標簽數(shù)據(jù)庫對應紋理分割區(qū)域作為第二數(shù)據(jù)集；S3-1-3、利用所述圖像特征分級數(shù)據(jù)庫的區(qū)域標簽數(shù)據(jù)庫對應圖像顏色比值作為第三數(shù)據(jù)集；S3-1-4、利用所述第一數(shù)據(jù)集作為輸入，所述第二數(shù)據(jù)集與第一數(shù)據(jù)集的圖像目標區(qū)域?qū)y理分割區(qū)域作為正向輸出，所述第二數(shù)據(jù)集與第一數(shù)據(jù)集的圖像非目標區(qū)域?qū)y理分割區(qū)域作為負向輸出，基于深度學習進行訓練得到圖像優(yōu)化區(qū)域粗識別模型；S3-1-5、判斷所述圖像優(yōu)化區(qū)域粗識別模型的模型輸出對應顏色比例與圖像特征分級數(shù)據(jù)庫的區(qū)域標簽數(shù)據(jù)庫對應圖像顏色比值是否一致，若是，則利用所述圖像優(yōu)化區(qū)域粗識別模型作為圖像優(yōu)化區(qū)域識別模型，否則，利用圖像顏色比值非一致對應圖像優(yōu)化區(qū)域粗識別模型的模型輸出更新第一數(shù)據(jù)集，并返回S3-1-4；S3-2、根據(jù)所述圖像優(yōu)化區(qū)域識別模型建立圖像優(yōu)化區(qū)域分割模型；S4、根據(jù)所述圖像優(yōu)化區(qū)域分割模型得到圖像迭代優(yōu)化識別結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人戎行技術(shù)有限公司，其通訊地址為：300000 天津市河北區(qū)鐵東路街道志成路130號(自創(chuàng)區(qū)河北分園科技招商展示服務中心407-1室)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。