买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉丽水学院申请的专利基于深度学习的图像识别方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115527085B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211227120.6，技术领域涉及：G06V10/774；该发明授权基于深度学习的图像识别方法和系统是由沈伟华;陶燎亮;周建东;商天戈设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本基于深度学习的图像识别方法和系统在说明书摘要公布了：本发明提供了一种基于深度学习的图像识别方法和系统，属于图像数据处理领域。基于深度学习的图像识别方法，包括：获取第一图像、第二图像和第三图像；利用预先训练的遮挡识别模型，根据第一图像、第二图像和第三图像生成第一图像的像素遮挡分类图；获取第一图像的深度图；根据第一图像、第一图像的像素遮挡分类图和第一图像的深度图，识别第一图像的目标对象。本申请实施例中提供的一个或多个技术方案，可以提高识别目标对象的准确率。

本发明授权基于深度学习的图像识别方法和系统在权利要求书中公布了：1.基于深度学习的图像识别方法，用于识别图像中的目标对象，其特征在于，所述方法包括： 获取第一图像、第二图像和第三图像，所述第一图像和所述第二图像分别是第一相机和第二相机在同一时间拍摄的图像，所述第三图像是所述第一图像的前一帧图像，所述第一相机和所述第二相机相距预设距离且拍摄方向相同； 利用预先训练的遮挡识别模型，根据所述第一图像、第二图像和第三图像生成所述第一图像的像素遮挡分类图，所述像素遮挡分类图用于指示各个像素是否属于目标对象的被遮挡区域，其中，所述遮挡识别模型根据第一样本训练集训练得到，所述第一样本训练集包括多个第一样本，所述第一样本包括第一待训练图像、第二待训练图像、第三待训练图像以及所述第一待训练图像的像素遮挡分类图，所述第一待训练图像的所述第二待训练图像分别是第三相机和第四相机在同一时间拍摄的图像，所述第三待训练图像是所述第一待训练图像的前一帧图像； 获取所述第一图像的深度图； 根据所述第一图像、所述第一图像的像素遮挡分类图和所述第一图像的深度图，识别所述第一图像的目标对象； 所述被遮挡区域识别模型包括： 第一特征提取层，用于提取所述第一图像的第一特征图； 第二特征提取层，用于提取第二图像的第二特征图； 第三特征提取层，用于提取第三图像的第三特征图； 第一融合层，用于融合所述第一特征图、第二特征图和第三特征图，得到第四特征图； 第一卷积与反卷积层，用于根据所述第四特征图生成所述第一图像的像素遮挡分类图； 所述获取所述第一图像的深度图，包括：根据所述第一图像和所述第二图像，生成第一图像的深度图； 所述根据所述第一图像和所述第二图像，生成第一图像的深度图，包括： 根据预先训练的深度识别模型，根据所述第一图像和所述第二图像生成所述第一图像的深度图； 所述方法还包括： 根据所述第一图像、所述深度图以及所述第一图像与所述第二图像之间的姿态变化，视点合成待对比图像； 若视点合成的所述待对比图像与所述第一图像之间的相似度低于预设阈值时，生成预警信息； 所述根据所述第一图像、所述第一图像的像素遮挡分类图和所述第一图像的深度图，识别所述第一图像的目标对象，包括： 利用预先训练的图像识别模型，根据所述第一图像、所述第一图像的像素遮挡分类图和所述第一图像的深度图，识别所述第一图像的目标对象，其中，图像识别网络根据第二样本集训练得到，所述第二样本集包括多个第二样本，所述第二样本包括样本图像、所述样本图像的像素遮挡分类图、所述样本图像的深度图以及所述样本图像的目标对象标签； 所述图像识别模型包括： 深度变化特征提取层，用于根据所述第一图像的深度图提取所述第一图像的深度变化特征图； 第二融合层，用于融合所述第一图像、所述第一图像的深度变化特征图和所述第一图像的像素遮挡分类图，得到融合特征图； 第二卷积和反卷积层，用于根据融合特征图识别确定第一图像的目标对象。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人丽水学院，其通讯地址为：323000 浙江省丽水市学院路1号计算机系；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。