公开(公告)号：CN110826609A

公开(公告)日：2020-02-21

申请号：CN201911038698.5

申请日：2019-10-29

Applicant: 华中科技大学

Inventor： 冯镔 ,  唐哲 ,  王豪 ,  李亚婷 ,  朱多旺 ,  刘文予

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于强化学习的双流特征融合图像识别方法，对待检测输入图像，使用两个不同的模型分别得到特征矩阵，然后将两个特征矩阵输入到强化学习模型和融合模型后得到最终的分类分数。两个模型分别是纹理模型和形状模型：纹理模型是根据图像中对象的纹理信息来进行分类，而形状模型根据对象的形状信息来进行分类。两个模型都通过强化学习的方式，让网络在整张图像中寻找最有区分力的区域，然后根据这个区域来进行分类。本方法简单易行，推广能力强，找到易于区分图像的区域，区分性区域合适并有效，充分用图像中的纹理和形状信息，能有效克服图像信息利用不充分和图像之间差异小的影响。

公开(公告)号：CN110826609B

公开(公告)日：2023-03-24

申请号：CN201911038698.5

申请日：2019-10-29

Applicant: 华中科技大学

Inventor： 冯镔 ,  唐哲 ,  王豪 ,  李亚婷 ,  朱多旺 ,  刘文予

IPC: G06V10/80 ,  G06V10/40 ,  G06V10/774

Abstract: 本发明公开了一种基于强化学习的双流特征融合图像识别方法，对待检测输入图像，使用两个不同的模型分别得到特征矩阵，然后将两个特征矩阵输入到强化学习模型和融合模型后得到最终的分类分数。两个模型分别是纹理模型和形状模型：纹理模型是根据图像中对象的纹理信息来进行分类，而形状模型根据对象的形状信息来进行分类。两个模型都通过强化学习的方式，让网络在整张图像中寻找最有区分力的区域，然后根据这个区域来进行分类。本方法简单易行，推广能力强，找到易于区分图像的区域，区分性区域合适并有效，充分用图像中的纹理和形状信息，能有效克服图像信息利用不充分和图像之间差异小的影响。