成果信息

本发明提供一种家居图像多目标识别方法及装置,能够为家居图像训练节省大量训练数据、计算资源和训练时间，且能够提高多目标识别的准确率。所述方法包括: 获取家居图像数据集作为训练集: 将在目标领域图像数据集上训练好的卷积神经网络模型作为预训练模型，采用迁移学习的方法，保留预训练模型的卷积层和池化层，通过保留的卷积层和池化层提取训练集的图像特征.构建第一特征图和池化特征图: 对池化特征图进行三次卷积操作，得到第二特征图: 对第一特征图和第二特征图依次作全局均值池化、归一化、反池化、反卷积操作，将反卷积操作后的两组特征图进行融合;利用 softmax 分类器对融合后的特征图进行分类识别。本发明涉及深度学习领域， )

背景介绍

本发明提供一种家居图像多目标识别方法及装置,能够为家居图像训练节省大量训练数据)

应用前景

-)