基于深度的图像比较装置、方法及存储于计算机可读介质的计算机程序制造方法及图纸

本发明专利技术的一实施例揭示图像比较方法。上述图像比较方法包括：预先学习的网络函数接收具有相互关联性的第一图像数据及第二图像数据的步骤；以接收的上述第一图像数据及第二图像数据为基础来确定第二图像数据的异常有关信息的步骤；以及通过上述网络函数来输出所确定的异常有关信息的步骤。

Depth based image comparison device, method and computer program stored in computer readable medium

【技术实现步骤摘要】
【国外来华专利技术】基于深度的图像比较装置、方法及存储于计算机可读介质的计算机程序
本专利技术涉及图像处理，更具体地，涉及基于深度学习的图像比较。
技术介绍
深度学习(deeplearning)可以被定义为通过多种非线性变换工法的组合来试图进行高级抽象化(抽象(abstracton)，在多种数据或复杂的资料中概括特征、核心内容或功能的作业)的机器学习(machinelearning)算法的集合，是在计算机中学习人类的思考方式的机器学习的一个领域。深度学习与意味着从机器形成的智能的人工智能一同用于整个产业。韩国公开专利第10-2017-0083805揭示了利用用草书体或草体书写的文字的神经网的辨别方法。
技术实现思路
技术问题本专利技术与上述
技术介绍
对应地提出，本专利技术的目的在于，提供基于深度学习的图像处理解决方案。解决问题方案用于解决上述问题的本专利技术一实施例揭示图像比较方法。上述图像比较方法包括：预先学习的网络函数接收具有相互关联性的第一图像数据及第二图像数据的步骤；以接收的上述第一图像数据及第二图本文档来自技高网...

【技术保护点】
1.一种图像比较方法，，其特征在于，包括：/n预先学习的网络函数接收具有相互关联性的第一图像数据及第二图像数据的步骤；/n以上述接收的第一图像数据及第二图像数据为基础来确定第二图像数据的异常有关信息的步骤；以及/n通过上述网络函数来输出所确定的异常有关信息的步骤。/n

【技术特征摘要】
【国外来华专利技术】20171013 KR 10-2017-01334521.一种图像比较方法，，其特征在于，包括：
预先学习的网络函数接收具有相互关联性的第一图像数据及第二图像数据的步骤；
以上述接收的第一图像数据及第二图像数据为基础来确定第二图像数据的异常有关信息的步骤；以及
通过上述网络函数来输出所确定的异常有关信息的步骤。


2.根据权利要求1所述的图像比较方法，其特征在于，上述网络函数包括：
第一子网络，输入上述第一图像数据；以及
第二子网络，输入上述第二图像数据。


3.根据权利要求2所述的图像比较方法，其特征在于，上述网络函数还包括与上述第一子网络及上述第二子网络中的至少一个串联的比较模型。


4.根据权利要求3所述的图像比较方法，其特征在于，上述第一子网络、上述第二子网络及上述比较模型中的至少一个包括深度神经网络结构。


5.根据权利要求4所述的图像比较方法，其特征在于，上述第一子网络及上述第二子网络中的至少一个包括上述深度神经网络结构中的卷积神经网络结构。


6.根据权利要求4所述的图像比较方法，其特征在于，上述比较模型包括上述深度神经网络结构中的反卷积神经网络结构。


7.根据权利要求4所述的图像比较方法，其特征在于，上述比较模型构成上述第一子网络及上述第二子网络中的至少一个子网络和U网络结构的至少一部分。


8.根据...

【专利技术属性】
技术研发人员：宋基永，康鎣辛，
申请(专利权)人：SUALAB有限公司，
类型：发明
国别省市：韩国;KR