一種基于深度卷積分析的圖片歸類方法及播控平臺(tái)

基本信息

申請(qǐng)?zhí)?/td> CN202210097554.2 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN114139656B 公開(kāi)（公告）日 2022-04-26
申請(qǐng)公布號(hào) CN114139656B 申請(qǐng)公布日 2022-04-26
分類號(hào) G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 文俊;吳雷 申請(qǐng)（專利權(quán)）人 成都橙視傳媒科技股份公司
代理機(jī)構(gòu) 成都九鼎天元知識(shí)產(chǎn)權(quán)代理有限公司 代理人 孫元偉
地址 610000四川省成都市高新區(qū)科園二路10號(hào)2棟2單元13層1號(hào)、2號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明公開(kāi)了一種基于深度卷積分析的圖片歸類方法及播控平臺(tái)，屬于圖片分類技術(shù)領(lǐng)域，包括步驟：S1，收集圖片后對(duì)圖片類型進(jìn)行規(guī)范化處理；S2，對(duì)圖片進(jìn)行縮放處理；S3，將圖片轉(zhuǎn)換為包含RGB三個(gè)通道值的像素信息矩陣；S4，基于卷積神經(jīng)網(wǎng)絡(luò)形成預(yù)訓(xùn)練模型，形成歸類模型；S5，利用圖片和標(biāo)簽對(duì)歸類模型進(jìn)行訓(xùn)練調(diào)優(yōu)；S6，上傳圖片到最終歸類模型進(jìn)行分類預(yù)測(cè)。本發(fā)明解決了目前圖片類型歸類存在的人工缺陷、人力和時(shí)間成本兩方面的問(wèn)題，在實(shí)施例中提出的方法不僅相比于傳統(tǒng)的機(jī)器學(xué)習(xí)方法各方面更優(yōu)，而且相比于其他深度學(xué)習(xí)模型，也有著訓(xùn)練代價(jià)小、訓(xùn)練速度快、效果更優(yōu)的特點(diǎn)。