一种基于语义信息多层特征融合的细粒度鸟类识别方法

发明专利有效专利

申请号：
CN201910386030.3
IPC分类号：G06K9/00;G06K9/62
申请日期：
2019-05-09
申请人：
四川大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于语义信息多层特征融合的细粒度鸟类识别方法
申请号	CN201910386030.3	申请日期	2019-05-09
法律状态	实质审查	申报国家	中国
公开/公告日	2020-11-10	公开/公告号	CN111914599A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2查看分类表>
申请人	四川大学	申请人地址	四川省成都市武侯区一环路南一段24号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	四川大学	当前权利人	四川大学
发明人	何小海;李国瑞;吴晓红;卿粼波;滕奇志;王正勇;吴小强
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于语义信息多层特征融合的细粒度鸟类识别方法。该方法由区域定位网络，特征提取网络和一种跨层特征融合网络(Cross‑layer Feature Fusion Network，CFF‑Net)组成。首先，区域定位网络在没有局部语义标注的情况下，自动定位出局部有效信息区域；然后，特征提取网络提取局部区域图像特征和全局图像特征；最后，CFF‑Net对多个局部和全局的向量进行融合，提高最终分类性能。结果表明，本方法在Caltech‑UCSD Birds200‑2011(CUB200‑2011)鸟类公共数据集上，分类准确率高于目前主流的细粒度鸟类识别方法，表现出优异的分类性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供