基于隐式欧拉跳跃连接的残差神经网络的图像识别方法

发明专利有效专利

申请号：
CN202010133492.7
IPC分类号：G06V40/16;G06V20/56;G06V10/774;G06V10/82;G06K9/62;G06N3/04
申请日期：
2020-02-28
申请人：
北京大学

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	基于隐式欧拉跳跃连接的残差神经网络的图像识别方法
申请号	CN202010133492.7	申请日期	2020-02-28
法律状态	授权	申报国家	中国
公开/公告日	2020-07-10	公开/公告号	CN111401155A
优先权	暂无	优先权号	暂无
主分类号	G06V40/16	IPC分类号	G;0;6;V;4;0;/;1;6;;;G;0;6;V;2;0;/;5;6;;;G;0;6;V;1;0;/;7;7;4;;;G;0;6;V;1;0;/;8;2;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	北京大学	申请人地址	北京市海淀区颐和园路5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	北京大学	当前权利人	北京大学
发明人	林宙辰;李明杰;何翎申
代理机构	北京万象新悦知识产权代理有限公司	代理人	暂无

摘要

本发明公布了一种基于隐式欧拉跳跃连接的残差神经网络的图像识别方法，将隐式欧拉数值方法与残差网络模型中的跳跃连接相结合，建立具有更强鲁棒性的改进模型含有隐式欧拉跳跃连接的残差神经网络，该改进模型的输入为图像数据及所对应的标签，输出为图像的预测分类，由此实现更加稳定的图像识别。本发明提出的基于含有隐式欧拉跳跃连接的残差神经网络的图像识别方法，具有更强的鲁棒性和可信性，可提高图像识别的准确性和有效性，可应用在如人脸识别、文字识别等多种图像识别场景。

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