一种基于孪生卷积神经网络的特征匹配定位方法、系统
公开
摘要
本发明公开了一种基于孪生卷积神经网络的特征匹配定位方法、系统，采用格拉姆角场方法将一维特征序列编码为二维图像，相比一维信息具备更丰富的特征，以二维图像作为孪生卷积神经网络模型的输入，提取二维图像中丰富的特征信息，提高识别相似特征的准确性。相比传统方法仅比较一维特征序列的数值相似性，避免了当一维特征序列包含的特征数量较少时，识别相似性的精度下降、匹配定位误差较大的问题。在孪生卷积神经网络模型结构中，选择ReLU作为激活函数，能够增加非线性，避免训练过程中出现梯度爆炸或消失的问题。损失函数选择用于二分类的二值交叉熵，能够在训练过程中使损失函数的输出快速收敛到0附近，减少训练模型所需要的迭代次数。
基本信息
专利标题 ：
一种基于孪生卷积神经网络的特征匹配定位方法、系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114596454A
申请号 ：
CN202210155271.9
公开（公告）日 ：
2022-06-07
申请日 ：
2022-02-21
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王博黄柳宋志洪
申请人 ：
北京理工大学
申请人地址 ：
北京市海淀区中关村南大街5号
代理机构 ：
北京理工大学专利中心
代理人 ：
郭德忠
优先权 ：
CN202210155271.9
主分类号 ：
G06V10/74
IPC分类号 ：
G06V10/74 G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08 G01C21/16
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
