[发明专利]基于改进CNN的简单学习框架的图像分类方法在审
| 申请号： | 201810872957.3 | 申请日： | 2018-08-02 |
| 公开（公告）号： | CN109325514A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 李孝杰;吴锡;伍贤宇;何嘉;王强;史沧红;郭峰;罗超 | 申请（专利权）人： | 成都信息工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京华仲龙腾专利代理事务所(普通合伙) 11548 | 代理人： | 李静 |
| 地址： | 610000 四川省成都*** | 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： | 本发明涉及一种基于改进CNN的简单学习框架的图像分类方法，其包括：输入图像I；将图像I分为大小为m×m的图像块集合；将图像Ii输入到卷积神经网络中进行训练；通过三层全连接层处理得到一维的矩阵，使用dropout正则化操作以避免过拟合；将神经网络中的输出结果输入到分类器里，输出得到分类结果。本发明提出了一种基于卷积神经网络的简单学习框架，表示为Brief–Net，并将其应用于图像分类，减少了训练的时间同时也提高了分类的精度。Brief–Net包括三个卷积层和最大池化层，接着是三个全连接层。采用softmax分类器来识别图像分类。本发明的方法能够有效减少训练时间和存储成本，具有较高的识别精度。 | ||
| 搜索关键词： | 图像分类 卷积神经网络 分类器 连接层 矩阵 图像 存储成本 分类结果 神经网络 输出结果 输入图像 有效减少 图像块 正则化 池化 卷积 拟合 三层 学习 改进 集合 输出 分类 应用 | ||
【主权项】：
1.一种基于改进CNN的简单学习框架的图像分类方法，其特征在于，包括以下步骤：S1)输入一张图像I；S2)将图像I分为大小为m×m的图像块集合，每一块用Ii(i＝1,2,…,n)表示；S3)将Ii输入到卷积神经网络中进行训练，其包括：S3.1)用大小为9×9的卷积核对图像Ii做卷积处理；S3.2)对上一步骤输出的特征图做3×3个单元的池化操作；S3.3)用大小为5×5的卷积核做卷积处理；S3.4)对上一步骤输出的特征图做3×3个单元的池化操作；S3.5)用大小为3×3的卷积核做卷积处理；S3.6)对上一步骤输出的特征图做3×3个单元的池化操作；S4)通过三层全连接层处理得到一维的矩阵；同时使用dropout正则化操作，以避免过拟合；S5)将神经网络中的输出结果输入到分类器里，输出得到分类结果。
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成都信息工程大学，未经成都信息工程大学许可，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/201810872957.3/，转载请声明来源钻瓜专利网。
