[发明专利]一种基于卷积神经网络的热点与MARFE自动检测方法在审
| 申请号： | 201810967404.6 | 申请日： | 2018-08-23 |
| 公开（公告）号： | CN109345506A | 公开（公告）日： | 2019-02-15 |
| 发明（设计）人： | 谢更新;肖炳甲;罗正平;黄耀;张恒 | 申请（专利权）人： | 中国科学院合肥物质科学研究院 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 安徽合肥华信知识产权代理有限公司 34112 | 代理人： | 宋仔娟 |
| 地址： | 230031 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 自动检测 卷积神经网络 预处理 等离子体放电 分类结果 输入图像 特征提取 提取图像 分类器 卷积核 图像 输出 分类 | ||
1.一种基于卷积神经网络的热点与MARFE自动检测方法，其特征在于包括以下步骤：
步骤1：输入需要识别的图像；
步骤2：图像缩放；
步骤3：图像预处理；
步骤4：使用卷积神经网络提取全图特征；
步骤5：使用分类器对提取出来的特征进行分类；
步骤6：输出分类结果。
2.根据权利要求1所述的一种基于卷积神经网络的热点与MARFE自动检测方法，其特征在于：所述步骤4中，卷积神经网络采用三层卷积结构，分为两个卷积和两个池化层；其中第一层卷积核大小为5*5， 步长为1，第二层卷积核大小为3*3，步长为1，卷积核个数为1，两个卷积层后有一个池化层卷积核大小为3*3，步长为2，卷积核个数为2；每一卷积卷积层采用Relu函数作为激活函数进行非线性处理；将池化后得到的特征提取层每一层分割成M*M个小的区域并进行拼接，拼接成M*M*2个特征层；在这些小的区域上做全局的池化，得到M*M*2个特征。
3.根据权利要求1所述的一种基于卷积神经网络的热点与MARFE自动检测方法，其特征在于：所述步骤5中，分类器采用支持向量机、神经网络或朴素贝叶斯分类器。
4.根据权利要求3所述的一种基于卷积神经网络的热点与MARFE自动检测方法，其特征在于：所述步骤5中，采用全连接的神经网络作为分类器对卷积神经网络进行训练；在训练收敛、得到性能较为优异的特征提取结构后，先用特征提取层提取出图像的特征，并将其作为输入数据集，用来训练新的分类器。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院，未经中国科学院合肥物质科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810967404.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种物料清点设备
- 下一篇：一种基于迁移学习的大坝图像裂缝检测方法
