【技术实现步骤摘要】
本专利技术属于图像分析领域，具体是一种基于深度学习的图像信息智能分析系统。
技术介绍
1、随着计算能力的提升和大量标注数据的可用性，深度学习技术已经成为图像处理领域的核心技术。随着计算机硬件的不断进步，特别是gpu等加速设备的普及，深度学习模型的训练和推理速度得到了显著提高，为图像信息智能分析系统的实现提供了有力支持。现代的深度学习模型如resnet、inception和transformer等，进一步推动了图像识别、目标检测和图像分割等任务的性能。利用深度学习技术来自动化地处理、分析和解释图像数据的图像信息智能分析系统，能够识别图像中的对象和其他关键信息。深度学习模型，尤其是卷积神经网络(cnns)，因其在图像识别和分类任务中的高效性而被广泛应用。
2、大多图像信息分析系统，直接对图像中的目标物体进行检测，难以精确获取图像中每个网格的图像信息，难以适应精细程度较高的目标检测，训练模型时，难以考虑背景图像对目标识别的影响，影响目标检测的精度。
技术实现思路
1、本专利技术旨在至...
【技术保护点】
1.一种基于深度学习的图像信息智能分析系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，还包括：
3.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，所述图像处理模块通过智能终端采集待分析的图像数据，并对图像进行预处理，将预处理后的图像进行边缘检测，对检测区域进行标注，并对标注区域进行网格划分，包括以下步骤：
4.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，所述特征提取模块在标注区域的网格中通过移动检测窗口对图像信息进行检测，并对...
【技术特征摘要】
1.一种基于深度学习的图像信息智能分析系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，还包括：
3.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，所述图像处理模块通过智能终端采集待分析的图像数据，并对图像进行预处理，将预处理后的图像进行边缘检测，对检测区域进行标注，并对标注区域进行网格划分，包括以下步骤：
4.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，所述特征提取模块在标注区域的网格中通过移动检测窗口对图像信息进行检测，并对标注区域进行特征提取，生成特征向量，包括以下步骤：
5.根据权利要求4所述的一种基于深度学习的图像信息智能分析系统，其特征在于，进行颜色直方图特征和纹理特征的提取，包括以下步骤：
6.根据权利要求1所述的一种基于深度学习的图像信息智能分析系统，其特征在于，所述图像检测模块检测网格中是否存在目标物体，将不存在目标物体的网格分类为参考...
【专利技术属性】
技术研发人员：王云龙，刘晓亮，张鹏飞，张明新，丛嘉，
申请(专利权)人：中国人民解放军国防大学政治学院，
类型：发明
国别省市：
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。