[发明专利]用于多问题求解的异构卷积神经网络在审
| 申请号： | 201910168716.5 | 申请日： | 2019-03-06 |
| 公开（公告）号： | CN110232304A | 公开（公告）日： | 2019-09-13 |
| 发明（设计）人： | I·F·G·曼苏尔;H·B·塞弗特 | 申请（专利权）人： | 德韧营运有限责任公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 林伟峰 |
| 地址： | 美国密*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种异构卷积神经网络(HCNN)系统，包括产生输入图像的视觉接收系统。卷积神经网络的特征提取层(FEL)部分包括堆叠在一起的多个卷积层、池化层与激活层。FEL包括多个堆叠层，第一层集合学习以简单形式(包括水平和垂直线和色块)表示数据。其后层捕获更复杂形状，诸如圆形、矩形和三角形。后续层拾取复杂特征组合来形成包括轮、面和网格的表示。FEL部分将数据输出至以下各者中的每一者：第一子网络，其执对输入图像中的对象类别执行对象检测、分类和定位以创建检测到的对象表的第一任务；和第二子网络，其执行定义像素级分割以创建分割数据集的第二任务。 | ||
| 搜索关键词： | 卷积神经网络 输入图像 子网络 异构 表示数据 对象检测 对象类别 分割数据 复杂特征 复杂形状 简单形式 接收系统 数据输出 特征提取 问题求解 垂直线 第一层 堆叠层 对象表 后续层 激活层 像素级 网格 池化 堆叠 卷积 色块 拾取 创建 捕获 集合 视觉 分割 分类 检测 学习 | ||
【主权项】：
1.一种异构卷积神经网络(HCNN)系统，包括：特征提取层(FEL)部分，其接收输入图像，所述FEL部分进行学习操作以学习表示所述输入图像的第一阶段数据且将所述第一阶段数据输出至以下两者：直接从所述FEL部分接收所述第一阶段数据且执行第一任务的第一子网络；和直接从所述FEL部分接收所述第一阶段数据且执行第二任务的第二子网络。
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德韧营运有限责任公司，未经德韧营运有限责任公司许可，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/201910168716.5/，转载请声明来源钻瓜专利网。
