The embodiment of the present invention discloses a desktop identification method based on depth learning, which includes collecting sample desktop image and labeling; calculating Soble diagram and local histogram of the image and extracting eigenvalues, then labeling; using multi-layer convolution neural network to train samples and model; collecting and labeling the desktop image to be recognized in a specified area; and loading the desktop labeling image to be recognized into training. In the latter model, the calculation is carried out and the target output corresponding to the maximum probability value is selected. Compared with the traditional recognition method, the method has better recognition performance, and the recognition rate reaches more than 98%. The real-time recognition is better to process 25 frames per second, which meets the practical application requirements.
【技术实现步骤摘要】
一种基于深度学习的台标识别方法
本专利技术涉及电视
,特别涉及一种基于深度学习的台标识别方法。
技术介绍
随着广播媒体的发展,电视已经渗透到日常生活和工作的各个方面。电视台台标在区分电视台方面具有重要,电视台台标是电视台之间进行区分的鲜明标志,可用于保护商业利益;其次,电视台台标检测可用于有线付费频道的快速检索,同时也有助于图像处理工具对于台标的移除,提高视频的质量。现有的台标识别技术对平移、比例缩放、旋转等变形台标图像敏感,识别效果容易变性,识别率不高。
技术实现思路
有鉴于此,本专利技术实施例提供了一种基于深度学习的台标识别方法,台标识别性能优,太别识别率高。本专利技术实施例公开的一种基于深度学习的台标识别方法,其包括:采集样本台标图像并标注;计算样本台标图像的Soble图和局部直方图并提取特征值,然后进行标注;采用多层卷积神经网络训练样本并建模,对于卷积层的每一个结点为第i组输入特征矢量,Wb,k为权值参数,ak为偏值,K代表第K层,θ为Sigmoid函数,Sigmoid函数为:f(x)=x/(1+e^(-x));在指定区域采集待识别台标图像并标注;将待识别台标图像载入训练后的模型中进行计算;选取最大概率值对应的目标输出。进一步的,台标图像的像素为128*128,采集的图像包括透明图像和非透明图像。进一步的,采用海思芯片实时采集台标图像。进一步的,采用海思芯片硬件引擎计算图像的Soble图和局部直方图。进一步的,采用7层卷积神经网络训练样本并建模。进一步的,所述最大概率值对应的目标为该台标图像为正确的台标图像或错误的台标图像。本专利技术相比传统的识 ...
【技术保护点】
1.一种基于深度学习的台标识别方法,其特征在于,其包括:采集样本台标图像并标注;计算样本台标图像的Soble图和局部直方图并提取特征值,然后进行标注;采用多层卷积神经网络训练样本并建模,对于卷积层的每一个结点
【技术特征摘要】
1.一种基于深度学习的台标识别方法,其特征在于,其包括:采集样本台标图像并标注;计算样本台标图像的Soble图和局部直方图并提取特征值,然后进行标注;采用多层卷积神经网络训练样本并建模,对于卷积层的每一个结点为第i组输入特征矢量,Wb,k为权值参数,ak为偏值,K代表第K层,θ为Sigmoid函数,Sigmoid函数为:f(x)=x/(1+e^(-x));在指定区域采集待识别台标图像并标注;将待识别台标图像载入训练后的模型中进行计算;选取最大概率值对应的目标输出。2.如权利要求1所述的一种基于深度学习的台标识别方法,其特征...
【专利技术属性】
技术研发人员:吴立新,黄勇,
申请(专利权)人:上海科江电子信息技术有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。