一种基于LBP特征的卷积神经网络地面材质图像分类方法
基本信息
| 申请号 | CN202210048432.4 | 申请日 | - |
| 公开（公告）号 | CN114529730A | 公开（公告）日 | 2022-05-24 |
| 申请公布号 | CN114529730A | 申请公布日 | 2022-05-24 |
| 分类号 | G06V10/40（2022.01）I;G06V10/54（2022.01）I;G06V10/764（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 曹林林;张路佳;乐海丰 | 申请（专利权）人 | 北京联合大学 |
| 代理机构 | 北京驰纳南熙知识产权代理有限公司 | 代理人 | - |
| 地址 | 100101北京市朝阳区北四环东路97号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于LBP特征的卷积神经网络地面材质图像分类方法，包括提取地表材质数据集，还包括以下步骤：生成基于LBP算子的地面材质识别模型；使用所述训练集中的图像对所述地面材质识别模型进行训练，生成优化后的地面材质识别模型；使用所述测试集中的图像对所述优化后的地面材质识别模型进行测试，并输出测试结果。本发明根据先验知识提出使用传统LBP特征描述子和深度学习模型法相结合的分类方法，即在训练卷积神经网络模型时，除了使用采集的原始图片进行训练，还使用了LBP描述子对地面材质图像进行特征工程‑提取图像的纹理特征加入到模型中，达到使模型快速拟合实际路面数据的目的。 |
