专利名称：一种基于深度学习的图像模糊模型参数分析方法专利类型：发明专利发明人：邵岭,阎若梅
申请号：CN201410692086.9申请日：20141125公开号：CN104408692A公开日：20150311
摘要：本发明设计一种基于深度学习的模糊模型参数分析方法，其特征在于包括：步骤1，以深度信念网络结构来提取模糊特征并对其分类，即首先使用半监督的深度信念网络来将输入图像块投射到差异特征空间，然后再对各特征进行分类；步骤2，对模糊核的参数进行识别，即由变换域的边缘提取帮助深度信念网络结构以较高的准确性来确认模糊参数。本发明能够确保深度信念网络结构以较高的准确性来确认模糊参数，经在如Berkeleysegmentation和PascalVOC2007等多个图像数据库中反复试用验证，取得了满意的优于目前最好的模糊估计方法的性能效果。
申请人：南京信息工程大学
地址：215101 江苏省苏州市吴中区木渎镇中山东路70号吴中科技创业园2号楼2310室
国籍：CN
代理机构：南京经纬专利商标代理有限公司
代理人：吴树山
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容