一种基于卷积神经网络的三维立体图识别系统技术方案

本发明专利技术公开了一种基于卷积神经网络的三维立体图识别系统，属于人工智能数据处理技术领域。本发明专利技术的基于卷积神经网络的三维立体图识别系统包括输入图像缓存模块、流程控制模块、参数分发模块、卷积与上采样基本单元和深景图像处理模块；所述流程控制模块用于给出控制信号，控制系统工作状态；参数分发模块用于存储并分发卷积神经网络计算所需参数；输入图像缓存模块用于对输入的三维立体图像进行逐像素存储。该发明专利技术的基于卷积神经网络的三维立体图识别系统能够充分提取三维立体图像的深度信息和广度信息，并对原图像中的每个像素分类，达到分离出深景图像的目的，具有很好的推广应用价值。

A 3D stereo image recognition system based on convolutional neural network

【技术实现步骤摘要】
一种基于卷积神经网络的三维立体图识别系统
本专利技术涉及人工智能数据处理
，具体提供一种基于卷积神经网络的三维立体图识别系统。
技术介绍
三维立体图，利用人们两眼视觉差别和光学折射原理在一个平面内使人们可直接看到一幅三维立体画，画中事物既可以凸出于画面之外，也可以深藏其中，给人们以很强的视觉冲击力。这主要是运用光影、虚实、明暗对比来体现的，而真正的3D立体画是模拟人眼看世界的原理，利用光学折射制作出来，它可以使眼睛感观上看到物体的上下、左右、前后三维关系。观察这类图像通常需要采用特殊的方法或借助器材。卷积神经网络CNN可用于识别图形。由于CNN的特征检测层通过训练数据进行学习，所以在使用CNN时，避免了显式的特征抽取，而隐式地从训练数据中进行学习。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。卷积神经网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的三维立体图识别系统，其特征在于：包括输入图像缓存模块、流程控制模块、参数分发模块、卷积与上采样基本单元和深景图像处理模块；所述流程控制模块用于给出控制信号，控制系统工作状态；参数分发模块用于存储并分发卷积神经网络计算所需参数；输入图像缓存模块用于对输入的三维立体图像进行逐像素存储；卷积与上采样基本单元根据参数完成输入数据的乘加基本运算，并完成上采样计算；深景图像处理模块用于根据卷积神经网络输出结果，将属于深景类别的像素重新组合，存储显示。

【技术特征摘要】
1.一种基于卷积神经网络的三维立体图识别系统，其特征在于：包括输入图像缓存模块、流程控制模块、参数分发模块、卷积与上采样基本单元和深景图像处理模块；所述流程控制模块用于给出控制信号，控制系统工作状态；参数分发模块用于存储并分发卷积神经网络计算所需参数；输入图像缓存模块用于对输入的三维立体图像进行逐像素存储；卷积与上采样基本单元根据参数完成输入数据的乘加基本运算，并完成上采样计算；深景图像处理模块用于根据卷积神经网络输出结果，将属于深景类别的像素重新组合，存储显示。2.根据权利要求1所述的基于卷积神经网络的三维立体图识别系统，其特征在于：所述卷积与上采样基本单元包括卷积乘加阵列、上采样乘加阵列和池化模块。3.根据权利要求2所述的基于卷积神经网络的三维立体图识别系统，其特征在于：所述卷积乘加阵列由乘法器和加法器阵列和互联逻辑构成，根据参数进行互联，完成输入数据的乘加基本运算。4.根据权利要求3所述的基于卷积神经网络的三维立体图识别系统，其特征在于：所述上采样乘加阵列由插值寄存器、乘法器、加法器阵列和互联逻辑构成，用于完成上采样计算。5.根据权利要求4所述的基于卷积神经网络的三维立体图识别系统，其特征在于：所述池化模块由比...

【专利技术属性】
技术研发人员：王子彤，姜凯，秦刚，李朋，
申请(专利权)人：山东浪潮人工智能研究院有限公司，
类型：发明
国别省市：山东,37