[发明专利]一种基于可分离卷积和注意力机制的图像分类方法有效
| 申请号： | 201810517380.4 | 申请日： | 2018-05-25 |
| 公开（公告）号： | CN108985317B | 公开（公告）日： | 2022-03-01 |
| 发明（设计）人： | 王松松;李跃进;徐昆然;官俊涛;李奕诗;王东 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 王海栋 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于可分离卷积和注意力机制的图像分类方法，其特征在于，包括：S1、构建原始深度卷积神经网络；S2、利用训练数据集训练所述原始深度卷积神经网络，得到训练的深度卷积神经网络；S3、将验证数据集输入到所述训练的深度卷积神经网络，得到分类概率向量；S4、选取所述分类概率向量中概率最大值对应的分类作为数据预处理的测试结果；S5、将所述测试结果与所述验证数据集的类别标签进行对比，得到最终分类的准确度。本发明提出的基于可分离卷积和注意力机制的图像分类方法，可用于提升深度学习中图像分类模型特征提取的效率和缩减模型的训练参数量，加速模型收敛。 | ||
| 搜索关键词： | 一种 基于 可分离 卷积 注意力 机制 图像 分类 方法 | ||
【主权项】：
1.一种基于可分离卷积和注意力机制的图像分类方法，其特征在于，包括：S1、构建原始深度卷积神经网络；S2、利用训练数据集训练所述原始深度卷积神经网络，得到训练的深度卷积神经网络；S3、将验证数据集输入到所述训练的深度卷积神经网络，得到分类概率向量；S4、选取所述分类概率向量中概率最大值对应的分类作为数据预处理的测试结果；S5、将所述测试结果与所述验证数据集的类别标签进行对比，得到最终分类的准确度。
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西安电子科技大学，未经西安电子科技大学许可，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/201810517380.4/，转载请声明来源钻瓜专利网。
