一种仪器识别模型训练方法和装置及仪器识别方法和装置
基本信息
| 申请号 | CN201811001676.7 | 申请日 | - |
| 公开（公告）号 | CN109002562B | 公开（公告）日 | 2021-04-13 |
| 申请公布号 | CN109002562B | 申请公布日 | 2021-04-13 |
| 分类号 | G06N3/08(2006.01)I;G06N3/04(2006.01)I;G06K9/62(2006.01)I;G06F16/583(2019.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 周垒生;李亚辉;聂梓晨;佟华;冯乐斌 | 申请（专利权）人 | 北京信立方科技发展股份有限公司 |
| 代理机构 | 北京超凡宏宇专利代理事务所（特殊普通合伙） | 代理人 | 何明伦 |
| 地址 | 100000北京市西城区新街口外大街28号B座416室（德胜园区） | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请实施例提供的仪器识别模型训练方法和装置及仪器识别方法和装置，其中，仪器识别模型训练方法包括：获取多张带有类别标签和名称标签的仪器样本图像；基于多张仪器样本图像和类别标签，对深度卷积神经网络模型进行训练，得到训练好的深度卷积神经网络模型；基于训练好的深度卷积神经网络模型，获取仪器样本图像的特征向量；针对每个类别标签，构成与该类别标签对应的特征数据库；将训练好的深度卷积神经网络模型和各个类别标签分别对应的特征数据库作为仪器识别模型。在仪器识别过程中，能够通过结合分类和检索，避免由于划分类别多导致的识别精度不高或通过直接遍历特征数据库进行检索导致的识别效率低的问题，提高了识别精度和识别效率。 |
