[发明专利]一种基于卷积神经网络的艺术图像分类方法有效
| 申请号： | 201910661643.3 | 申请日： | 2019-07-22 |
| 公开（公告）号： | CN110427990B | 公开（公告）日： | 2021-08-24 |
| 发明（设计）人： | 张华熊;杨秀芹;何利力;王玉平;刘裕东;郑军红 | 申请（专利权）人： | 浙江理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 王琛 |
| 地址： | 310018 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的艺术图像分类方法，包括：获取每类艺术图像，图像裁切与构建训练集、验证集；然后使用空洞卷积、DKSE模块、深度可分离卷积搭建卷积神经网络；最后用训练集输入搭建好的卷积神经网络对其进行训练，得到可用来进行艺术图像分类的网络模型。本发明较传统方法相比，提取的艺术图像的整体特征与局部细节特征更加全面，可以适用于多种艺术图像分类研究，模型通用性较强，填补了现有多类艺术图像分类检索研究的不足；本发明中设计的卷积神经网络可减少对艺术图像分类人员的专业要求，避免了传统分类算法中复杂的特征提取和数据标注的工作；本发明卷积神经网络结构较其他卷积神经网络结构简单，分类准确率高。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 艺术 图像 分类 方法 | ||
【主权项】：
1.一种基于卷积神经网络的艺术图像分类方法，包括如下步骤：(1)获取大量各类艺术图像，由专业人员对这些图像进行清洗和筛查，并人工为每张图像打上类别标签；(2)对每张图像进行预处理，从而得到对应的图像数据样本；(3)将所有样本分为训练集和验证集，搭建卷积神经网络并利用训练集样本对该卷积神经网络进行训练，得到用于艺术图像分类的网络模型；(4)将待分类的艺术图像经预处理后输入所述网络模型中，即可得到该艺术图像的分类结果。
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浙江理工大学，未经浙江理工大学许可，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/201910661643.3/，转载请声明来源钻瓜专利网。
