-
公开(公告)号：CN110175615B
公开(公告)日：2021-01-01
申请号：CN201910350741.5
申请日：2019-04-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种模型训练方法、域自适应的视觉位置识别方法及装置，属于计算机视觉技术领域，包括：建立基于深度神经网络的图像特征提取模型；根据标准数据集构建训练集，训练集中每个训练样本包括目标图像及其正样本和s个负样本；利用训练集对图像特征提取模型进行训练；图像特征提取模型中，特征提取网络包括级联的多个第一网络；第一网络由一个或多个第二网络以及一个极大池化层依次连接而成，极大池化层用于特征选择；第二网络包括依次连接的卷积层，用于特征提取；批标准化层，用于进行零均值标准化处理；激活函数层，用于进行激活处理；局部特征聚合网络用于聚合局部特征以得到图像的特征向量。本发明能够提高视觉位置识别的鲁棒性。
-
公开(公告)号：CN110175615A
公开(公告)日：2019-08-27
申请号：CN201910350741.5
申请日：2019-04-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种模型训练方法、域自适应的视觉位置识别方法及装置，属于计算机视觉技术领域，包括：建立基于深度神经网络的图像特征提取模型；根据标准数据集构建训练集，训练集中每个训练样本包括目标图像及其正样本和s个负样本；利用训练集对图像特征提取模型进行训练；图像特征提取模型中，特征提取网络包括级联的多个第一网络；第一网络由一个或多个第二网络以及一个极大池化层依次连接而成，极大池化层用于特征选择；第二网络包括依次连接的卷积层，用于特征提取；批标准化层，用于进行零均值标准化处理；激活函数层，用于进行激活处理；局部特征聚合网络用于聚合局部特征以得到图像的特征向量。本发明能够提高视觉位置识别的鲁棒性。
-
Search Results
2
records
(took 0.016 seconds)
