[发明专利]一种基于卷积神经网络的图像识别方法有效
申请号: | 201711114919.3 | 申请日: | 2017-11-13 |
公开(公告)号: | CN107798381B | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 钱燕芳;王敏;秦月红 | 申请(专利权)人: | 河海大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06K9/46 |
代理公司: | 南京纵横知识产权代理有限公司 32224 | 代理人: | 董建林;姚兰兰 |
地址: | 210024 *** | 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: | 本发明公开的一种基于卷积神经网络的图像识别方法,包括以下步骤:获取原始图像;对原始图像进行预处理;将上一层的输出结果输入到卷积神经网络中的子网络;将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层;将上一层的输出结果输入到卷积神经网络中的全连接层;将上一层的输出结果输入到卷积神经网络中的最后一层,即Softmax层,得到图像属于各个类别的概率;根据图像属于各个类别的概率,来确定图像分类结果,最后输出图像分类结果。本发明通过将一个子网络结构加入到经典卷积神经网络中,并在子网络结构中计算残差以修正权值矩阵,能够高效的提取图像的特征,且只对子网络结构计算各层残差以减少计算量。 | ||
搜索关键词: | 一种 基于 卷积 神经网络 图像 识别 方法 | ||
【主权项】:
一种基于卷积神经网络的图像识别方法,其特征在于,包括以下几个步骤:a、获取原始图像;b、对所述原始图像进行预处理;c、将预处理后的图像输入卷积神经网络中的第一个卷积层,再将结果输入到池化层;d、将上一层的输出结果输入到卷积神经网络中的子网络;e、将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层;f、将上一层的输出结果输入到卷积神经网络中的全连接层;g、将上一层的输出结果输入到卷积神经网络中的最后一层,即Softmax层,得到图像属于各个类别的概率;h、根据图像属于各个类别的概率,得出图像分类结果,最后输出图像分类结果。
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河海大学,未经河海大学许可,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/201711114919.3/,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