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：西安电子科技大学

摘要：本发明提出了一种基于图像局部特征的数字识别方法，用于解决现有技术中存在的减少特征维数过程繁琐、有用信息损失大、样本集场景单一的问题，实现步骤为：1获取训练样本集和测试样本集；2搭建数字识别网络模型；3对数字识别网络模型进行训练；4获取数字识别结果。本发明局部特征提取网络中利用滤波矩阵采集图像信息，自动减少图像特征维数，搭建的数字识别网络增强提取图像局部特征的能力，有效提升数字识别的准确率，减少网络中的训练参数并在可靠性上有所提升，在复杂场景的样本集中获得了很好的识别效果，可用于其他实际场景中的数字识别。

主权项：1.一种基于图像局部特征的数字识别方法，其特征在于，包括如下步骤：1获取训练样本集和测试样本集：获取包含A数字类别的S幅RGB图像，对每幅RGB图像进行预处理，然后将预处理后的图像中的数字类别进行独热编码，并将s1幅RGB图像及其对应的标签作为训练样本集，将s2幅RGB图像及其对应的标签作为测试样本集，其中，2≤A≤10，S≥90000，s1≥S2，s1+s2＝S；2搭建数字识别网络模型H：搭建包括依次连接的输入层、K个特征提取网络、全连接层和softmax输出层的数字识别网络模型；特征提取网络包括依次连接的卷积层、局部特征提取网络及1×1卷积层；局部特征提取网络由相互交替的第一局部特征提取子网络和第二局部特征提取子网络并行排布而成，第一局部特征提取子网络包括依次连接的最小层和最大层，第二局部特征提取子网络包括依次连接的最大层和最小层，第一局部特征提取子网络和第二局部特征提取子网络的个数均为N，其中，最小层运算是将卷积层运算中的相乘用相减代替，相减用取像素最小值替代；最大层运算是将卷积层运算中的相乘用相加代替，相加用取像素最大值替代，K≥2，N≥2；3对数字识别网络模型H进行迭代训练：3a初始化迭代次数为t，最大迭代次数为T，T≥100，当前数字识别网络模型为Ht，并令t＝0，H＝Ht；3b将从训练样本集中随机选取的Q个训练样本作为当前数字识别网络模型Ht的输入，K个特征提取网络对每个训练样本进行特征提取，得到特征图集合F＝{f1,f2,...,fq,...,fQ}；全连接层将每个特征图fq的J个像素值映射为A个像素值；softmax输出层通过softmax函数将A个像素值映射为每个训练样本分别属于A个类别的预测概率，其中fq表示第q个训练样本对应的大小为a×b×c的特征图，q∈Q，Q≥64，J≥64；3c利用交叉熵损失函数，并通过每个训练样本属于类别的预测概率和样本类别标签计算当前数字识别网络Ht的损失值Lt；采用自适应矩估计法Adam优化算法，通过损失值Lt对数字识别网络Ht中卷积层、全连接层的权重ωt和偏差θt、局部特征提取网络中最大层滤波矩阵WD、最小层滤波矩阵WE进行更新，得到本次迭代后的数字识别网络；3d判断t≥T是否成立，若是，得到训练好的数字识别网络模型H'，否则，令t＝t+1，并执行步骤3b；4获取数字识别结果：将测试样本集作为训练好的数字识别网络H'的输入，得到每个测试样本分别属于A个类别的预测概率，并将其中概率最大的类别作为每个测试样本的数字识别结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于图像局部特征的数字识别方法