公开(公告)号：CN105787482A

公开(公告)日：2016-07-20

申请号：CN201610109536.6

申请日：2016-02-26

Applicant: 华北电力大学

Inventor： 王震宇 ,  宋纯锋 ,  于彬

IPC: G06K9/34 ,  G06K9/46 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/342 ,  G06K9/4604 ,  G06K2209/23 ,  G06N3/0454 ,  G06N3/08 ,  G06T2207/20084

Abstract: 本发明属于图像识别技术领域，尤其涉及一种基于深度卷积神经网络的特定目标轮廓图像分割方法，包括：将用于训练的图像归一化到相同像素大小，对应的特定目标轮廓标注图像也归一化，送入卷积神经网络，经过数层卷积层与全连接层，在全连接层的最后一层得到图像表达，并与对应的标注图像比较得到预测误差；采用反向传播算法和随机梯度下降法来减小预测误差以训练该神经网络，得到特定目标轮廓图像分割的训练模型；将测试特定目标图像归一化到与训练图像相同的像素大小后送入训练模型，在全连接层的最后一层得到预测的图像表达从而得到整张特定目标轮廓图像分割，有效解决了复杂背景下的特定目标轮廓分割问题，可用于车型识别，车流量统计，车辆检测。

公开(公告)号：CN104462778A

公开(公告)日：2015-03-25

申请号：CN201410645121.1

申请日：2014-11-06

Applicant: 华北电力大学

Inventor： 王震宇 ,  宋纯锋 ,  王天宇 ,  滕婧

IPC: G06F19/00

Abstract: 本发明公开了属于计算机视觉和图像处理技术领域的一种基于深度学习的PM2.5污染物测量方法。该方法是首先利用已有的图像及其标注的PM2.5污染物的指标值，将全部N个样本I进行预处理，包括进行零均值处理和样本扩增；利用的深度学习网络将处理后的第i个样本Ii输入到网络中，训练用于测量PM2.5污染物的深度学习网络，然后将训练好的深度学习网络应用到需要测试的图像上，在输出层即可得到PM2.5污染物的预测指标值。本发明随着深度学习技术的发展，使卷积神经网络在计算机视觉领域的成功运用，使得通过图像对PM2.5污染物的测量得以实现。