|
钻瓜专利网为您找到相关结果 1116986个,建议您 升级VIP下载更多相关专利
- [发明专利]一种基于二次迁移学习的虹膜身份验证方法-CN201910528587.6有效
-
黄以华;张睿
-
中山大学
-
2019-06-18
-
2022-12-09
-
G06V40/18
- 本发明提出一种基于二次迁移学习的虹膜身份验证方法,包括以下步骤:采集眼球虹膜图片,进行预处理后划分为训练集和测试集;将训练集图片输入已进行预训练的深度卷积神经网络中进行迁移学习的分类训练;对训练集图片进行三元组的构造,去除深度卷积神经网络中的全连接层,再输入三元组对深度卷积神经网络进行二次迁移学习训练;将测试集图片输入深度卷积神经网络,输出特征向量后与其对应的身份信息进行验证,若验证成功,深度卷积神经网络完成训练;否则,调整结构参数后对深度卷积神经网络重新进行二次迁移学习训练;将待验证的图片输入完成训练的深度卷积神经网络中,将输出特征向量与存储有人员身份的数据库进行距离匹配,输出身份验证结果。
- 一种基于二次迁移学习虹膜身份验证方法
- [发明专利]一种人工神经网络的激活学习方法、系统及应用-CN202211165108.7在审
-
周洪超;黄卫平;赵佳;周斌
-
山东大学
-
2022-09-23
-
2022-12-16
-
G06N3/08
- 本发明涉及一种人工神经网络的激活学习方法、系统及应用,包括:构建人工神经网络,同时将数据和类别标签或多模态作为输入;通过无监督本地学习方法训练人工神经网络,使得人工神经网络中最后一层神经元的输出激活强度反映输入样本的典型性;将待识别的数据输入训练好的人工神经网络并优化缺失的类别标签使得输出激活强度最大,得到数据分类结果;或将类别标签输入训练好的加入随机噪音的人工神经网络并优化缺失的数据部分使得输出激活强度最大,实现数据生成本发明更好学习输入样本数据的统计概率分布,统一了监督学习、无监督学习和生成模型的框架。弥补了反向传播技术在训练样本数量、安全性、任务通用性等的一系列限制,具有较强的实用性。
- 一种人工神经网络激活学习方法系统应用
- [发明专利]一种基于深度学习的自适应图像去噪方法-CN201810750492.4有效
-
陈晓;徐畅
-
南京信息工程大学
-
2018-07-09
-
2022-02-15
-
G06T5/00
- 本发明涉及一种基于深度学习的自适应图像去噪方法,包括如下步骤:步骤1)建立图像集;步骤2)构建自适应深度卷积神经网络;步骤3)训练自适应深度卷积神经网络:设置深度卷积神经网络网络的学习率和动量参数,通过深度学习框架训练所述自适应深度卷积神经网络直至训练达到迭代最大次数,生成训练后的自适应深度卷积神经网络模型;步骤4)图像去噪:将待去噪的图像输入至训练好的自适应深度卷积神经网络模型,得到对应的残差图像,再将待去噪的图像减去残差图像得到去噪后的图像。有益效果:该方法进一步提高和稳定卷积神经网络的训练性能,并且保证去噪性能,节省时间,无需手动调参,能实现未知噪声级图像的盲去噪。
- 一种基于深度学习自适应图像方法
|