[发明专利]基于鲁棒局部低秩稀疏CNN特征的图像分类方法及装置有效
| 申请号： | 201811455651.4 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109558882B | 公开（公告）日： | 2023-05-05 |
| 发明（设计）人： | 张召;唐泽民;张莉;王邦军 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06V10/40 | 分类号： | G06V10/40;G06V10/778;G06V10/82;G06N3/0464 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 215137 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于鲁棒局部低秩稀疏CNN特征的图像分类方法、装置、设备及计算机可读存储介质。其中，方法包括首先利用一般卷积神经网络提取待分类图像的原始深度特征，利用预先构建的投影矩阵对原始深度特征进行低秩与稀疏特征提取，得到分类识别特征；将分类识别特征输入分类模型中，得到待分类图像的标签；其中，投影矩阵为采用鲁棒的邻域保持的联合低秩与稀疏特征算法学习训练样本集中各样本图像的原始深度特征所得，用于提取具有邻域保持能力的低秩与稀疏特征。本申请提供的技术方案增强了分类特征的鲁棒性，提升了图像特征提取的准确性，显著提升了图像分类的精准度。 | ||
| 搜索关键词： | 基于 局部 稀疏 cnn 特征 图像 分类 方法 装置 | ||
【主权项】：
1.一种基于鲁棒局部低秩稀疏CNN特征的图像分类方法，其特征在于，包括：利用卷积神经网络提取待分类图像的原始深度特征；利用预先构建的投影矩阵对所述原始深度特征进行低秩与稀疏特征提取，得到分类识别特征；将所述分类识别特征输入分类模型中，得到所述待分类图像的标签；其中，所述投影矩阵为采用鲁棒的邻域保持的联合低秩与稀疏特征算法学习训练样本集中各样本图像的原始深度特征所得，用于提取具有邻域保持能力的低秩与稀疏特征。
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苏州大学，未经苏州大学许可，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/201811455651.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于计算机视觉的危岩崩塌监控方法
- 下一篇：叶片特征提取方法及装置
