[發明專利]一種基于壓縮學習的目標分類方法及系統有效
| 申請號： | 202010633623.8 | 申請日： | 2020-07-02 |
| 公開（公告）號： | CN111881942B | 公開（公告）日： | 2023-09-26 |
| 發明（設計）人： | 李峰;辛蕾;詹邦成;魯嘯天;楊雪;鹿明;張南;肖變 | 申請（專利權）人： | 中國空間技術研究院 |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06V10/774;G06V10/80;G06V10/82 |
| 代理公司： | 北京恒律知識產權代理有限公司 11416 | 代理人： | 龐立巖;顧珊 |
| 地址： | 100094 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 壓縮 學習 目標 分類 方法 系統 | ||
1.一種基于壓縮學習的目標分類方法，其特征在于，所述方法包括以下步驟：
獲取原始圖像在空間域中的縮略圖數據；
獲取所述原始圖像在壓縮域中的觀測值類圖；包括：
獲取所述原始圖像在壓縮域中的觀測數據；
對所述觀測數據進行采樣，得到壓縮域中的所述觀測值類圖；
所述縮略圖數據和所述觀測值類圖的長度或寬度相等；
融合所述縮略圖數據和所述觀測值類圖，形成多維壓縮數據；包括：
若所述縮略圖數據和所述觀測值類圖僅長度相等，則對所述縮略圖數據和所述觀測值類圖進行列維度上的融合，得到長度與所述縮略圖數據的長度相等、且寬度為所述縮略圖數據和所述觀測值類圖寬度之和的多維壓縮數據；
若所述縮略圖數據和所述觀測值類圖僅寬度相等，則對所述縮略圖數據和所述觀測值類圖進行行維度上的融合，得到寬度與所述縮略圖數據的寬度相等、且長度為所述縮略圖數據和所述觀測值類圖長度之和的多維壓縮數據；
若所述縮略圖數據和所述觀測值類圖的長度、寬度均相等，則對所述縮略圖數據和所述觀測值類圖進行行維度或列維度上的融合；將所述多維壓縮數據用于目標分類。
2.根據權利要求1所述的基于壓縮學習的目標分類方法，其特征在于，采用定點采樣方式對所述觀測數據進行采樣。
3.根據權利要求1或2所述的基于壓縮學習的目標分類方法，其特征在于，獲取所述縮略圖數據的采樣窗口的大小與獲取所述觀測值類圖的采樣窗口的大小一致。
4.根據權利要求1所述的基于壓縮學習的目標分類方法，其特征在于，所述目標分類方法為監督學習、強化學習、無監督學習、深度學習中的一種或多種。
5.一種基于壓縮學習的目標分類系統，其特征在于，所述系統包括：縮略圖數據獲取模塊，用于獲取原始圖像在空間域中的縮略圖數據；觀測值類圖獲取模塊，用于獲取所述原始圖像在壓縮域中的觀測值類圖；包括：
獲取所述原始圖像在壓縮域中的觀測數據；
對所述觀測數據進行采樣，得到壓縮域中的所述觀測值類圖；
所述縮略圖數據和所述觀測值類圖的長度或寬度相等；
多維壓縮數據生成模塊，用于融合所述縮略圖數據和所述觀測值類圖，生成多維壓縮數據；包括：
若所述縮略圖數據和所述觀測值類圖僅長度相等，則對所述縮略圖數據和所述觀測值類圖進行列維度上的融合，得到長度與所述縮略圖數據的長度相等、且寬度為所述縮略圖數據和所述觀測值類圖寬度之和的多維壓縮數據；
若所述縮略圖數據和所述觀測值類圖僅寬度相等，則對所述縮略圖數據和所述觀測值類圖進行行維度上的融合，得到寬度與所述縮略圖數據的寬度相等、且長度為所述縮略圖數據和所述觀測值類圖長度之和的多維壓縮數據；
若所述縮略圖數據和所述觀測值類圖的長度、寬度均相等，則對所述縮略圖數據和所述觀測值類圖進行行維度或列維度上的融合；
目標分類模塊，用于將所述多維壓縮數據用于目標分類。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國空間技術研究院，未經中國空間技術研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010633623.8/1.html，轉載請聲明來源鉆瓜專利網。
