科创中国

电子信息技术,卷积神经网络

在在卷积神经网络进行图像分类时，需要大量图像样本进行分类作为样本库，用于构建模型。在实际的工业过程中，相对于正常工业过程而言，采集到的产品图像数据中往往存在一些无效的图像数据，例如流水线生产时会采集到的模糊图像、空拍图像以及残损图像等，这类图像对于模型的构建属于无效数据，所以该方法用于将模糊图像、空拍图像等从采集到的样本中筛选出，实现原始样本的清洗，减少筛选图像所耗费的工时，降低人工成本。 技术实现要素： 本发明主要解决的技术问题是提供一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，能够花费更少的工时和人工成本将模糊图像、空拍图像等从采集到的样本中筛选出，实现原始样本的清洗。 为解决上述技术问题，本发明采用的一个技术方案是：将未标注的部分样本图像进行模糊处理，筛选出该部分样本极度模糊的图像，进行一次模糊清理。 处理过后的样本经过人工分类，分为无效图像即模糊图像、空拍图像等和有效样本图像。 经过过滤器处理的极度模糊图像也划分到无效图像一类，形成两种类型的图像划分，形成一个样本库。

本发明公开了一种基于建立卷积神经网络过滤样本模型进行无效图像样本筛选的方法，原始样本通过经由卷积神经网络构建的过滤样本模型，将大量模糊、空拍及残损等无效样本(冗余样本)图像筛选出，其余样本即为质量更好、具有更多代表性的图像样本，可作为图像分类的有效样本集。该方法最终可以实现：将无效样本通过算法筛选出，减少将大量无效样本筛选出所耗费的工时，降低人工成本。

由北京邮电大学张永军团队发明，团队包括：张永军；闫思宇;沈涛;文韩 张永军，男，德国斯图加特大学博士，北京邮电大学副教授、博士生导师，长期在通信领域进行教学和科学研究，研究领域包括智能光网络、接入网络和物联网的应用等。作为主要参加者圆满完成过多项国家863、973、自然基金、攻关课题和部重点课题。***从德国获得博士学位后回国从事教学和科研工作。出版英文专著一部，科技论文70余篇，拥有国家发明专利7项，审批中30项，提交与PTN相关标准化建议稿4篇。

点击查看