一种基于模型扩展卷积神经网络的图像分类方法及系统

发明专利有效专利

申请号：
CN202010768636.6
IPC分类号：G06K9/34;G06K9/62;G06N3/04
申请日期：
2020-08-03
申请人：
深圳大学

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	一种基于模型扩展卷积神经网络的图像分类方法及系统
申请号	CN202010768636.6	申请日期	2020-08-03
法律状态	实质审查	申报国家	中国
公开/公告日	2020-12-25	公开/公告号	CN112132145A
优先权	暂无	优先权号	暂无
主分类号	G06K9/34 ? 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〕 G06K9/20 图像捕获〔3〕 G06K9/34 在图像分布图中，相接触的或相重叠的图形的分割〔3〕	IPC分类号	G;0;6;K;9;/;3;4;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	深圳大学	申请人地址	广东省深圳市南山区南海大道3688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	深圳大学	当前权利人	深圳大学
发明人	李岩山;陈嘉欢
代理机构	北京三聚阳光知识产权代理有限公司	代理人	暂无

摘要

本发明公开了一种基于模型扩展卷积神经网络的图像分类方法及系统，使用图像分割和像素点的阈值判定算法对图像进行预处理，为后续决策融合过程做铺垫并且移除了信息量较低的图像，使用细节特征注意力模型优化传统网络并通过模型扩展和后卷积特征提取机制，令网络适应和探索更深层次的特征并在系数层次上赋予更多权值，使注意力机制更加偏向于局部或细节特征，移动卷积层通过线性组合创建新图像特征并进行降维，得到包含信息量更多的图像特征向量图，有保护图像特征信息量的能力以及降低模型过拟合风险，进而实现对图像更准确的分类，在网络后端增加了决策融合过程，降低图像局部被混淆的特征对分类结果的干扰，进而提高分类器的准确率。

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