一种受脑启发的全局-局部双通道图像分类方法及系统

发明专利有效专利

申请号：
CN202211149221.6
IPC分类号：G06V10/764;G06V10/80;G06V10/82;G06N3/04;G06N3/08
申请日期：
2022-09-21
申请人：
西安交通大学

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	一种受脑启发的全局-局部双通道图像分类方法及系统
申请号	CN202211149221.6	申请日期	2022-09-21
法律状态	公开	申报国家	中国
公开/公告日	2022-12-06	公开/公告号	CN115439696A
优先权	暂无	优先权号	暂无
主分类号	G06V10/764	IPC分类号	G;0;6;V;1;0;/;7;6;4;;;G;0;6;V;1;0;/;8;0;;;G;0;6;V;1;0;/;8;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	西安交通大学	申请人地址	陕西省西安市咸宁西路28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	西安交通大学	当前权利人	西安交通大学
发明人	董松林;尚苗;王长鑫;龚怡宏;张玥
代理机构	北京润泽恒知识产权代理有限公司	代理人	苟冬梅

摘要

本发明提出了一种受脑启发的全局‑局部双通道图像分类方法及系统，涉及人工智能技术领域。该方法通过加入新的全局通路表征方式，结合自上而下的特征调制机制，构建全局‑局部双通路分类模型，提供了一个基于人脑双通道视觉识别机制的计算模型，称为Global‑Local网络(简称:GLNet)，可以充分利用图像的局部细粒度信息与全局空间拓扑信息，并且提出将典型的层结构深度卷积神经网络(CNN)结构转换为全局‑局部双通路分类模型结构的一般原则，并将这种转化应用于一些代表性基线CNN模型上，从而提高了模型分类的准确性，提升了模型的鲁棒性与泛化能力。

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