[发明专利]一种基于前馈特征提取的深度学习识别系统及方法有效
| 申请号： | 201710719610.0 | 申请日： | 2017-08-21 |
| 公开（公告）号： | CN107633258B | 公开（公告）日： | 2020-04-10 |
| 发明（设计）人： | 梁斌焱;王燕波;廖俞;张科;王妍 | 申请（专利权）人： | 北京精密机电控制设备研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 中国航天科技专利中心 11009 | 代理人： | 张丽娜 |
| 地址： | 100076 *** | 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： | 本发明涉及一种基于前馈特征提取的深度学习识别系统及方法，属于计算机视觉技术领域。本发明反复进行特征前馈，直到识别目标物，经过不断前馈后，高层特征层融合了低层特征的信息，尤其是微小目标物在低层的特征信息，经过前馈的深度学习网络，小目标的特征激活更加灵敏，可以快速、准确的识别目标物，解决了上述难点，对微小目标物的识别速度和精度有巨大提高。 | ||
| 搜索关键词： | 一种 基于 特征 提取 深度 学习 识别 系统 方法 | ||
【主权项】：
一种基于前馈特征提取的深度学习识别系统，其特征在于：该系统包括深度学习网络模块、第一特征融合模块、第二特征融合模块和分类模块；所述的深度学习网络模块用于提取目标物的低层特征、中层特征、高层特征和更高层特征；所述的第一特征融合模块用于对目标物的低层特征和目标物的中层特征进行融合，得到融合特征A；所述的第二特征融合模块用于对融合特征A和目标物的高层特征进行融合，得到融合特征B；所述的分类模块用于输出目标物的位置信息和概率信息；并根据目标物的更高层特征对目标物进行分类。
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精密机电控制设备研究所，未经北京精密机电控制设备研究所许可，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/201710719610.0/，转载请声明来源钻瓜专利网。
