基于周期性局部连接卷积神经网络的图像分类方法

发明专利有效专利

申请号：
CN201810831075.2
IPC分类号：G06K9/62;G06N3/04
申请日期：
2018-07-26
申请人：
西安电子科技大学

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	基于周期性局部连接卷积神经网络的图像分类方法
申请号	CN201810831075.2	申请日期	2018-07-26
法律状态	实质审查	申报国家	中国
公开/公告日	2019-01-08	公开/公告号	CN109165675A
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;N;3;/;0;4查看分类表>
申请人	西安电子科技大学	申请人地址	陕西省西安市太白南路2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	西安电子科技大学	当前权利人	西安电子科技大学
发明人	赖睿;徐昆然;官俊涛;李奕诗;王东
代理机构	西安嘉思特知识产权代理事务所（普通合伙）	代理人	闫家伟

摘要

本发明涉及一种基于周期性局部连接卷积神经网络的图像分类方法，包括：将多个卷积核组构建为周期性局部连接卷积层；其中，每个所述卷积核组包括多个卷积核，每个所述卷积核用于对预设图像的指定区域进行周期性卷积操作；根据所述周期性局部连接卷积层构建所述周期性局部连接卷积神经网络；根据所述周期性局部连接卷积神经网络对原始图像的进行分类。本实施例提供的图像识别方法利用周期性局部连接卷积神经网络提高了图像特征提取效率，有效的减小了网络结构的规模，使得图像特征提取对图像内容的位置和角度变化不敏感，因此，具备更强的表达能力，从而具备更高的图像分类正确率。

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