[发明专利]基于卷积神经网络的特征提取方法、装置、设备及介质在审
| 申请号： | 201910507522.3 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110222829A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 喻冬东;王长虎 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/46 |
| 代理公司： | 北京市立方律师事务所 11330 | 代理人： | 张筱宁 |
| 地址： | 100041 北京市石景山区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开实施例提供了一种基于卷积神经网络的特征提取方法、装置、设备及介质。该方法包括：将目标图像输入至预定的卷积神经网络，卷积神经网络包括S个图像处理阶段，每一图像处理阶段包括多个卷积层，从第一个图像处理阶段开始，执行步骤A：对当前图像处理阶段中包括的多个卷积层的输出结果，依据预定的卷积层间信息交流处理方式进行相应处理，得到当前图像处理阶段的输出结果并作为下一个图像处理阶段的输入，并将下一个图像处理阶段作为当前图像处理阶段，循环步骤A，直至得到第S个图像处理阶段的输出结果，作为目标图像的特征提取结果。本公开实施例提高了当前图像处理阶段输出结果的准确度，进而提高卷积神经网络处理结果的准确度。 | ||
| 搜索关键词： | 图像处理 卷积神经网络 输出结果 卷积 准确度 目标图像 特征提取 特征提取结果 层间信息 处理方式 阶段开始 阶段输出 循环步骤 交流 | ||
【主权项】：
1.一种基于卷积神经网络的特征提取方法，其特征在于，包括：将目标图像输入至预定的卷积神经网络，所述卷积神经网络包括S个图像处理阶段，每一图像处理阶段包括多个卷积层，所述S为大于1的正整数；从当前图像处理阶段为第一个图像处理阶段开始，执行步骤A：对当前图像处理阶段中包括的多个卷积层的输出结果，依据预定的卷积层间信息交流处理方式进行相应处理，得到当前图像处理阶段的输出结果并作为下一个图像处理阶段的输入，并将下一个图像处理阶段作为当前图像处理阶段；循环所述步骤A，直至得到第S个图像处理阶段的输出结果，作为所述目标图像的特征提取结果。
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北京字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，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/201910507522.3/，转载请声明来源钻瓜专利网。
