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：江南大学

摘要：本发明公开了一种基于深度学习的蕾丝花边检索方法，属于机器视觉和深度学习技术领域。该方法采用深度学习网络自动提取蕾丝花边图像的特征，无需人为干预，从而具有很好的鲁棒性和较强的泛化能力；具体的，采用孪生神经网络，并构造训练孪生神经网络所需的A，P正例对和A，N负例对，在训练孪生神经网络时，使得正例对中的样本A和P的特征向量之间的欧式距离尽可能小，而对于负例对则使得其特征向量之间的欧式距离尽可能大，最终得到训练好的孪生神经网络实现检索；采用该检索方法，所检索出的准确结果排在所有检索结果中第1个位置的百分比值可达98.39％，而所检索出的准确结果排在前10个位置的百分比值可达100％。

主权项：1.一种基于深度学习的蕾丝花边检索方法，其特征在于，所述方法包括：采用孪生神经网络提取待检索蕾丝花边图案的特征向量，并与蕾丝花边图案数据库中的各蕾丝花边图案的特征向量依次进行对比，计算二者的欧几里德距离，欧几里德距离最小值对应的蕾丝花边图案即为待检索蕾丝花边图案的检索结果；其中孪生神经网络为采用以下步骤训练后的孪生神经网络网络：步骤1：构造用于训练孪生神经网络的正例对A，P或负例对A，N；每一种蕾丝花边图案对应M组花型循环图像，各组花型循环图像的循环起始位置不同；根据花型循环图像是否对应同一种蕾丝花边图案，将每两张花型循环图像定义为正例对A，P或负例对A，N；其中A，P为对应同一种蕾丝花边图案的两张花型循环图像，A，N为对应两种不同蕾丝花边图案的两张花型循环图像；步骤2：将正例对A，P或负例对A，N中的两张花型循环图像作为孪生神经网络的输入样本对训练孪生神经网络；若以正例对A，P中的两张花型循环图像作为孪生神经网络的输入样本对，则以最小化对比损失函数为目的训练孪生神经网络；若以负例对A，N中的两张花型循环图像作为孪生神经网络的输入样本对，则以最大化对比损失函数为目的训练孪生神经网络；所述对比损失函数为： 其中，W是网络权重；X1，X2分别为输入样本对中的两张花型循环图像，Y是标签，若输入样本对为正例对A，P，则标签Y为1；若输入样本对为负例对A，N，则标签Y为0；Dw是X1，X2之间的欧几里德距离；m是预先设定的阈值，m0；输入样本对为正例对A，P时，对比损失函数转化为： 输入样本对为负例对A，N时，对比损失函数转化为： Dw是X1，X2之间的欧几里德距离，计算公式为： n是X1与X2的特征向量的维度，x1,x2,…,xn为样本X1的特征向量，y1,y2,…,yn为样本X2的特征向量。

全文数据：

权利要求：

百度查询： 江南大学 一种基于深度学习的蕾丝花边检索方法