[發明專利]一種基于神經網絡的圖片存儲方法、介質及裝置在審
| 申請號: | 202010950871.5 | 申請日: | 2020-09-11 |
| 公開(公告)號: | CN112015932A | 公開(公告)日: | 2020-12-01 |
| 發明(設計)人: | 陳海波;趙昕 | 申請(專利權)人: | 深蘭科技(上海)有限公司 |
| 主分類號: | G06F16/51 | 分類號: | G06F16/51;G06F16/583;G06N3/04;G06N3/08;H04N19/132;H04N19/426 |
| 代理公司: | 常州佰業騰飛專利代理事務所(普通合伙) 32231 | 代理人: | 滕詣迪 |
| 地址: | 200336 上海市長寧區威*** | 國省代碼: | 上海;31 |
| 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 神經網絡 圖片 存儲 方法 介質 裝置 | ||
1.一種基于神經網絡的圖片存儲方法,其特征在于,包括以下步驟:
構建圖像數據庫;
構建神經網絡結構,神經網絡采用自編碼器結構,包括輸入圖像、編碼器網絡、編碼、解碼器網絡和圖像輸出;
其中,所述的編碼器網絡,輸入為RGB的圖像,輸出的編碼為浮點數;
所述的解碼器網絡,解碼器的輸入編碼的維數與編碼器網絡輸出維數相同,解碼器網絡結構的隱藏層與編碼器網絡的隱藏層個數相同;所述的解碼器網絡的反卷積層個數與所述的編碼器網絡的卷積層相同,所述的編碼器網絡和所述的解碼器網絡都包含一個全連接層;所述的編碼器網絡卷積層的卷積核和所述的解碼器網絡反卷積層的卷積核大小、卷積核深度通道數、卷積步長分別相等,RGB的圖像輸出通道個數與編碼器網絡輸入通道個數相同。
2.根據權利要求1所述的基于神經網絡的圖片存儲方法,其特征在于,包括以下步驟:圖片數據庫的數據作為神經網絡的訓練數據,訓練所述的構建神經網絡結構;
讀取數據庫的圖像,將圖像輸入編碼器網絡,得到編碼,將編碼輸入解碼器網絡,得到解碼后的圖像,利用解碼后的圖像和編碼前的圖像做損失,利用反向傳播算法更新編碼器網絡和解碼器網絡;網絡訓練好后,保存編碼器網絡結構和網絡參數作為圖像編碼器,保存解碼器網絡結構和網絡參數作為圖像解碼器。
3.根據權利要求1所述的基于神經網絡的圖片存儲方法,其特征在于,輸入為3通道即深度為3的RGB的圖像,所述的編碼器網絡卷積步長為2;全連接層的神經元個數為128。
4.根據權利要求2所述的基于神經網絡的圖片存儲方法,其特征在于,還包括構建圖像存儲單元,包括兩個模塊:
圖像編碼器模塊,根據所述的構建神經網絡結構訓練的圖像編碼器,存儲圖像編碼信息;
圖像下采樣壓縮模塊;把所述的圖像變成縮略圖,并將圖像編碼信息存儲在縮略圖的屬性信息欄中。
5.根據權利要求4所述的基于神經網絡的圖片存儲方法,其特征在于,還包括構建圖像提取單元,包括圖像解碼器模塊;
根據所述的構建神經網絡結構訓練的圖像解碼器,圖像在提取時,從縮略圖屬性信息中得到圖像編碼信息,并輸入圖像解碼器得到圖像的原圖。
6.根據權利要求1所述的基于神經網絡的圖片存儲方法,其特征在于,所述的圖像數據庫不少于5000萬。
7.根據權利要求4所述的基于神經網絡的圖片存儲方法,其特征在于,根據所述的構建神經網絡結構訓練的編碼器網絡參數全部固定,構成圖像編碼器模塊。
8.根據權利要求5所述的基于神經網絡的圖片存儲方法,其特征在于,根據所述的構建神經網絡結構訓練的解碼器網絡參數全部固定,構成圖像解碼器模塊。
9.一種基于神經網絡的圖片存儲介質,其特征在于,存儲如權利要求權利要求1-8任一所述的基于神經網絡的圖片存儲方法。
10.一種基于神經網絡的圖片存儲裝置,其特征在于,包括:
存儲器;
一個或多個處理器,以及
一個或多個程序,存儲在存儲器中,并被配置成由所述一個或多個處理器執行,所述程序被所述處理器執行時實現所述的權利要求1-8任一所述的圖片存儲方法。
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深蘭科技(上海)有限公司,未經深蘭科技(上海)有限公司許可,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/202010950871.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于LBS的可穿戴智能設備P2P信息傳播方法及系統
- 下一篇:一種方向盤





