[發明專利]基于深度學習的訓練素材智能識別方法、裝置和設備

有效

• 申請號: 202110594522.9
• 申請日: 2021-05-28
• 公開（公告）號: CN113313169B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 徐慶堯;侯翔;耿艷棟;楊超;唐立文;周雯雯;涂遺;王代強;胥霖
• 申請（專利權）人: 中國人民解放軍戰略支援部隊航天工程大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V10/82;G06N3/08;G06N3/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

本申請涉及基于深度學習的訓練素材智能識別方法、裝置和設備，方法包括：獲取不同型號和分辨率的訓練采集圖像，對各訓練采集圖像進行標準化處理得到尺寸統一的各訓練圖像；采用小尺度判別模型進行各訓練圖像的歸屬部位及質量判別，得到小尺度判別結果；采用基于監督式生成對抗網絡的圖像顯著性檢測模型，對判別的非顯性訓練圖像進行非顯著性信息識別檢測，輸出精確的顯著圖像；非顯性訓練圖像為小尺度判別結果中識別到疑似非規范動作的訓練圖像；采用大尺度判別模型對顯著圖像進行特征識別，得到代表顯著圖像對應的訓練圖像的最優特征圖。大幅提升了訓練圖像數據采集質量。

技術領域

本申請涉及大數據處理與應用技術領域，特別是涉及一種基于深度學習的訓練素材智能識別方法、裝置和設備。

背景技術

隨著軍隊信息化建設向縱深推進和以云計算、大數據、人工智能為代表的新技術的飛速發展，軍事訓練領域迎來了思想觀念上的變革和方法手段上的革新。數字化、網絡化程度不斷提升，軍事訓練活動中產生數據的種類日益增多且數量成倍增長，用大數據理念指導軍事訓練實踐，已經成為各級對訓練規律認識、訓練效果評估、訓練效益評價和訓練質量監察必不可少的基礎支撐。

深入發掘訓練數據的潛在價值，分析大數據技術在軍事訓練中的應用，積極探索推進軍事訓練大數據建設的對策措施，對于提高軍事訓練效益，推進軍事訓練創新發展具有十分重要的意義。然而，在實現本發明過程中，發明人發現前述傳統的軍事訓練數據的處理方法中，除了裝備產生的數據可以自動記錄和采集外，大量訓練數據需要人工采集，存在著訓練圖像數據采集質量不高的技術問題。

發明內容

基于此，有必要針對上述技術問題，提供一種顯著提升訓練圖像數據采集質量的基于深度學習的訓練素材智能識別方法、一種基于深度學習的訓練素材智能識別裝置、一種計算機設備以及一種計算機可讀存儲介質。

為了實現上述目的，本發明實施例采用以下技術方案：

一方面，本發明實施例提供一種基于深度學習的訓練素材智能識別方法，包括步驟：

獲取不同型號和分辨率的訓練采集圖像，對各訓練采集圖像進行標準化處理得到尺寸統一的各訓練圖像；

采用小尺度判別模型進行各訓練圖像的歸屬部位及質量判別，得到小尺度判別結果；小尺度判別模型為基于深度卷積神經網絡搭建的訓練數據質量及部位的小尺度判別模型，小尺度判別結果包括圖像質量的達標情況以及圖像所屬的部位；

采用基于監督式生成對抗網絡的圖像顯著性檢測模型，對判別的非顯性訓練圖像進行非顯著性信息識別檢測，輸出精確的顯著圖像；非顯性訓練圖像為小尺度判別結果中識別到疑似非規范動作的訓練圖像；

采用大尺度判別模型對顯著圖像進行特征識別，得到代表顯著圖像對應的訓練圖像的最優特征圖；大尺度判別模型為基于多尺度特征融合的訓練圖像質量及部位的大尺度判別模型。

另一方面，還提供一種基于深度學習的訓練素材智能識別裝置，包括：

數據標準化模塊，用于獲取不同型號和分辨率的訓練采集圖像，對各訓練采集圖像進行標準化處理得到尺寸統一的各訓練圖像；

小尺度識別模塊，用于采用小尺度判別模型進行各訓練圖像的歸屬部位及質量判別，得到小尺度判別結果；小尺度判別模型為基于深度卷積神經網絡搭建的訓練數據質量及部位的小尺度判別模型，小尺度判別結果包括圖像質量的達標情況以及圖像所屬的部位；

對抗識別模塊，用于采用基于監督式生成對抗網絡的圖像顯著性檢測模型，對判別的非顯性訓練圖像進行非顯著性信息識別檢測，輸出精確的顯著圖像；非顯性訓練圖像為小尺度判別結果中識別到疑似非規范動作的訓練圖像；

大尺度識別模塊，用于采用大尺度判別模型對顯著圖像進行特征識別，得到代表顯著圖像對應的訓練圖像的最優特征圖；大尺度判別模型為基于多尺度特征融合的訓練圖像質量及部位的大尺度判別模型。