本发明涉及一种物体识别模型的建立方法和物体识别方法.其中,该物体识别模型的建立方法包括:获取输入图像;提取输入图像的深度特征;基于随机场结构模型对输入图像中的物体进行结构化建模,得到物体的结构化表达;基于物体的结构化表达,利用梯度反向传播算法学习结构参数,求解梯度,并利用随机梯度下降算法进行学习和训练,得到物体识别模型.通过本发明实施例,解决了视觉任务中物体复杂的弹性变形、姿态变化及视觉变化的技术问题,提高了深度网络模型的结构表达能力.本发明实施例可以应用于诸如物体分类、物体检测、人脸识别等涉及物体识别的众多领域.
发明专利
CN201610926007.5
2016.10.24
CN106570522A
2017-04-19
黄凯奇 刘康伟
中国科学院自动化研究所
G06K9/62(2006.01)I,G,G06,G06K,G06K9
G06K9/62(2006.01)I,G06K9/46(2006.01)I,G06N3/08(2006.01)I,G,G06,G06K,G06N,G06K9,G06N3,G06K9/62,G06K9/46,G06N3/08
一种物体识别模型的建立方法,其特征在于,所述方法包括:获取输入图像;提取所述输入图像的深度特征;基于随机场结构模型对所述输入图像中的物体进行结构化建模,得到所述物体的结构化表达;基于所述物体的所述结构化表达,利用梯度反向传播算法学习结构参数,求解梯度,并利用随机梯度下降算法进行学习和训练,得到所述物体识别模型.