基于混合连通性深度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：
CN202010021930.0
IPC分类号：G06K9/62;G06K9/00;G06N3/04
申请日期：
2020-01-09
申请人：
中国科学院计算技术研究所

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	基于混合连通性深度卷积神经网络的图像分类方法及系统
申请号	CN202010021930.0	申请日期	2020-01-09
法律状态	实质审查	申报国家	中国
公开/公告日	2020-05-29	公开/公告号	CN111209972A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? 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〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4查看分类表>
申请人	中国科学院计算技术研究所	申请人地址	北京市海淀区中关村科学院南路6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	中国科学院计算技术研究所	当前权利人	中国科学院计算技术研究所
发明人	杨传广;安竹林;徐勇军;程坦
代理机构	北京律诚同业知识产权代理有限公司	代理人	祁建国

摘要

本发明提出一种基于混合连通性深度卷积神经网络的图像分类方法及系统，包括：获取包括多张原始图像的训练集，根据每张图片的类别标签统计得到该训练集的正确分类概率分布，将该训练集输入至深度卷积神经网络中，得到该训练集的特征向量，将该特征向量通过全连接层得到在不同类别上的预测分类概率分布，根据该预测分类概率分布与正确分类概率分布，求解一个交叉熵误差，通过该交叉熵误差迭代该深度卷积神经网络，直到该交叉熵误差小于预设值，保存当前该深度卷积神经网络作为图像分类网络；将待分类图像输入至该图像分类网络，输出该待分类图像的类别概率分布，选取概率最大的类别作为该待分类图像的图像分类结果。

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