[发明专利]一种基于深度卷积神经网络的大规模图像分类方法在审
| 申请号： | 201910851853.9 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110728352A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 张萌;李娇杰;李国庆;吕锋;段斌 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 32204 南京苏高专利商标事务所(普通合伙) | 代理人： | 徐红梅 |
| 地址： | 214000 江*** | 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： | 本发明公开了一种基于深度卷积神经网络的大规模图像分类方法，包括将大规模图像数据集分为训练图像集和测试图像集；使用标准卷积操作对训练图像集进行卷积操作，得到标准卷积后的图像；对得到的标准卷积后的图像采用PSD卷积进行操作，得到PSD卷积后的图像；将得到的PSD卷积后的图像经过全局平均池化层，得到1×1的输出特征图像；将得到的1×1的输出特征图像通过全连接层，最后接入一个归一化指数函数层完成对训练图像的分类，即得到PSDNet卷积神经网络模型。将测试图像集中的图像输入得到的PSDNet卷积神经网络模型中，完成图像分类。本发明测试结果有明显的提高。 | ||
| 搜索关键词： | 卷积 图像 卷积神经网络 训练图像集 测试图像 输出特征 图像分类 归一化指数 图像数据集 图像输入 训练图像 连接层 池化 分类 全局 | ||
【主权项】：
1.一种基于深度卷积神经网络的大规模图像分类方法，其特征在于，包括以下步骤：/n(1)将大规模图像数据集分为训练图像集和测试图像集；/n(2)使用标准卷积操作对训练图像集进行卷积操作，得到标准卷积后的图像；/n(3)对步骤(2)得到的标准卷积后的图像采用PSD卷积块进行操作，得到PSD卷积后的图像；/n(4)将步骤(3)得到的PSD卷积后的图像经过全局平均池化层，得到1×1的输出特征图像；/n(5)将步骤(4)得到的1×1的输出特征图像通过全连接层，最后接入一个归一化指数函数层完成对训练图像的分类，即得到PSDNet卷积神经网络模型；/n(6)将测试图像集中的图像输入至经过步骤(2)-(5)后得到的PSDNet卷积神经网络模型中，完成图像分类。/n
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东南大学，未经东南大学许可，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/201910851853.9/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
