[发明专利]一种基于空间金字塔的卷积神经网络的图像分类方法有效
| 申请号： | 201710198700.X | 申请日： | 2017-03-29 |
| 公开（公告）号： | CN106991440B | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 王改华;吕朦;李涛;袁国亮 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 魏波 |
| 地址： | 430068 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于空间金字塔的卷积神经网络的图像分类算法，借鉴了空间金字塔先提取全局特征，然后每个金字塔水平画以网格的方式获取局部特征组成空间金字塔的整体特征。构造了一个新的卷积神经网络模型，此模型前半部分为传统的卷积网络，有3个卷积层2个池化层；之后将这3个卷积层以画网格的方式进行均匀池化获得各自特征图。每层特征图按列连成一个特征向量，然后将这3个特征向量顺序连接成为一个总的特征向量。这个总的特征向量即涵盖了经典卷积层的特征，同时也添加了前面卷积层的特征，避免了重要特征的遗失，同时网格大小调整了各卷积层特征图的权重，有助于提高网络的识别效率。 | ||
| 搜索关键词： | 一种 基于 空间 金字塔 卷积 神经网络 图像 分类 算法 | ||
【主权项】：
1.一种基于空间金字塔的卷积神经网络的图像分类方法，其特征在于，包括以下步骤：/n步骤1：前向传播，具体实现包括以下子步骤：/n步骤1.1：建立带M个卷积层、M-1个池化层的前半部分卷积神经网络；/n步骤1.2：将M个卷积层分别进行池化，得到M类特征，然后分别将其连接成一个大的特征向量，最后再连接成一个总的特征向量作为图像的最终特征；/n步骤1.2中，若步骤1.1中建立的是带有3个卷积层、2个池化层的前半部分卷积神经网络，则将3个卷积层分别进行池化，得到3类特征；步骤1.2的具体实现过程如下：/n输入图片后通过卷积核和隐层偏置获得第一个卷积层的特征图，第一层的卷积特征图x
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湖北工业大学，未经湖北工业大学许可，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/patent/201710198700.X/，转载请声明来源钻瓜专利网。
