[发明专利]黎曼流形深度卷积网络图像分类方法在审
| 申请号： | 202210108718.7 | 申请日： | 2022-01-30 |
| 公开（公告）号： | CN114462528A | 公开（公告）日： | 2022-05-10 |
| 发明（设计）人： | 李朝荣 | 申请（专利权）人： | 宜宾学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06F17/16;G06V10/764 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 64400*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 黎曼 流形 深度 卷积 网络 图像 分类 方法 | ||
【权利要求书】：
1.一种黎曼流形深度卷积网络图像分类方法，其特征在于它包括以下步骤：
步骤1，设计如下所述的黎曼流形网络，称为RM-CNN：
RM-CNN网络结构见说明书附图1，具体地在ResNet的conv1、conv2_x、conv3_x、conv4_x、conv5_x的输出节点处依次加入COV、AFL、SAN三个模块，这个三个模块串联，并与ResNet尾部的输出特征进行直接拼接，拼接后特征的长度是所有特征之和；最后在网络尾部串联两个SAN模块，且第一个模块短接；COV是指协方差操作模块，AFL指平均池化层AvgPool2d和扁平层Flatten的串联，其作用是平均池化下采样和将二维矩阵拉直为一维向量；
SAN是自注意力模模块；COV和SAN具体实现见说明书；
步骤2，将RM-CNN在大型数据库ImageNet上预训练；
步骤3，将预训练的RM-CNN在领域数据库上进行迁移学习，得到针对某个领域的图像分类模型；
步骤4，将输入图像送入训练好的RM-CNN进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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宜宾学院，未经宜宾学院许可，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/202210108718.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种跳台滑雪运动使用的跳台结构
- 下一篇：充填密闭用硅酸盐改性高分子发泡材料
