“分类网络”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1101099个，建议您升级VIP下载更多相关专利

[发明专利]处理分组的方法和网络设备-CN202110309846.3在审
发明人：胡晶;刘淑英 -专利权人：华为技术有限公司
申请日： 2017-03-13 - 公布日： 2021-08-03 - 主分类号： H04L12/851 文献下载
摘要：本申请实施例提供处理分组的方法和网络设备。该方法包括：网络设备接收分组，其中该分组包括分类信息，该分类信息包括M个字段；该网络设备根据该网络设备保存的指示信息，确定该M个字段中的该K个字段；该网络设备根据该网络设备保存的第一分类规则集合以及该K个字段，确定目标分类规则并根据该目标分类规则对该分组进行处理。根据上述技术方案，该网络设备在确定分组的类型是无需使用分类信息中的每个比特。该网络设备只需要将该分类信息的部分比特与分类规则进行比较即可确定该分组的类型。
处理分组方法网络设备

[发明专利]一种基于可变形NTS-NET神经网络的多标签分类方法及系统-CN202210324966.5在审
发明人：陈振宇;王路涛;李博;陈思宇;边靖宸;武丽莎;杨畅 -专利权人：国家电网有限公司大数据中心
申请日： 2022-03-29 - 公布日： 2022-07-29 - 主分类号： G06V10/764 文献下载
摘要：本发明提出一种基于可变形NTS‑NET神经网络的多标签分类方法及系统，包括：将待分类图像输入预先训练好的网络模型得到图像的分类标签矩阵；基于分类标签矩阵确定待分类图像的分类标签；其中，网络模型是基于图像及其对应的分类标签对NTS‑NET神经网络进行训练得到的；NTS‑NET神经网络是基于在神经网络中引入可变性卷积和通道注意力机制构建的。本发明利用NTS‑NET作为基本框架,通过在网络模型引入可变形卷积实现对几何变换幅度较大的目标关键局部区域准确定位,并在审查器网络中引入通道注意力机制,有选择性地加强包含有用信息的特征并抑制无用特征，最终实现复杂图像的多属性分类
一种基于变形 nts net 神经网络标签分类方法系统

[发明专利]处理分组的方法和网络设备-CN201710145776.6有效
发明人：胡晶;刘淑英 -专利权人：华为技术有限公司
申请日： 2017-03-13 - 公布日： 2021-03-30 - 主分类号： H04L29/06 文献下载
摘要：本申请实施例提供处理分组的方法和网络设备。该方法包括：网络设备接收分组，其中该分组包括分类信息，该分类信息包括M个字段；该网络设备根据该网络设备保存的指示信息，确定该M个字段中的该K个字段；该网络设备根据该网络设备保存的第一分类规则集合以及该K个字段，确定目标分类规则并根据该目标分类规则对该分组进行处理。根据上述技术方案，该网络设备在确定分组的类型是无需使用分类信息中的每个比特。该网络设备只需要将该分类信息的部分比特与分类规则进行比较即可确定该分组的类型。
处理分组方法网络设备

[发明专利]一种网络用户群体的分类方法及装置-CN201710743140.1有效
发明人：孙波;房婧;杜雄杰;姚珊;张伟;司成祥;李应博;刘成;姜栋;王亿芳;张建松;董建武;张文学;杜晓梦 -专利权人：国家计算机网络与信息安全管理中心;北京百分点信息科技有限公司
申请日： 2017-08-25 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种网络用户群体的分类方法及装置，该方法包括获取待分类的网络用户进行网络访问的历史数据，所述待分类的网络用户为其历史数据与预定的目标用户特征相匹配的用户；根据预先建立的用户分类模型、所述历史数据和所述目标用户特征，确定所述待分类的网络用户所属的类别信息。利用本申请实施例，通过预定的目标用户特征选取相匹配的历史数据，基于所述历史数据的全部内容确定待分类的网络用户所属的类别信息，从整体上充分挖掘待分类的网络用户的全部历史数据，以此为依据确定待分类的网络用户所属的类别信息
一种网络用户群体分类方法装置

[发明专利]基于混合CNN-GCN网络的有限训练样本下的高光谱图像分类方法-CN202310689508.6在审
发明人：石翠萍;廖帝灵;胡文军;王天毅 -专利权人：湖州师范学院
申请日： 2023-06-12 - 公布日： 2023-10-20 - 主分类号： G06V20/10 文献下载
摘要：基于混合CNN‑GCN网络的有限训练样本下的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有标记样本不足以及现有图卷积网络并未充分利用临边关系，网络性能受到限制，导致高光谱图像分类准确率低的问题。基于混合CNN‑GCN网络的有限训练样本下的高光谱图像分类方法具体过程为：一、建立卷积神经网络与图卷积网络混合的网络模型HCGN；获得训练好的卷积神经网络与图卷积网络混合的网络模型HCGN；二、将待测高光谱图像输入训练好的卷积神经网络与图卷积网络混合的网络模型HCGN，完成对待测高光谱图像的分类。本发明用于高光谱图像分类领域。
基于混合 cnn gcn 网络有限训练样本光谱图像分类方法

[发明专利]fMRI动态脑功能子网络构建及并联SVM加权识别方法-CN201510133022.X在审
发明人：梅雪;马士林;黄嘉爽;李微微 -专利权人：南京工业大学
申请日： 2015-03-23 - 公布日： 2015-06-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种fMRI动态脑功能子网络构建及并联SVM加权识别方法，步骤包括：1)数据预处理；2)提取各脑区的时间序列；3)选取感兴趣的脑部区域；4)构建各个脑部区域的动态脑功能子网络；5)训练各个子网络分类器；6)对各子分类器赋值，形成并联SVM分类器；7)对未知样本进行分类。本发明构建的动态脑功能网络较传统的静态功能网络，增加了脑功能网络在时间维度上的信息；并结合先验知识，对不同的感兴趣脑部区域构建动态子网络，保留有用信息的同时，降低特征维数；对每个子网络训练SVM分类器，通过识别率确定子分类器的权重，形成并联SVM分类器，对脑区整体进行加权分类，使分类器具有更好的鲁棒性。
fmri 动态功能网络构建并联 svm 加权识别方法

[发明专利]样本识别模型的生成方法、装置、计算机设备和存储介质-CN202010213549.4在审
发明人：李超;范梦迪;蓝利君;郭清宇;卢笑;王翔 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-03-24 - 公布日： 2020-07-24 - 主分类号： G06K9/62 文献下载
摘要：所述方法包括：采集至少两个源域样本集和一个目标域样本集；根据各个源域样本集对待训练的分类网络模型进行预训练，得到预训练后的分类网络模型；分别根据各个源域样本集对预训练后的分类网络模型进行再次训练，得到各个再次训练后的分类网络模型；分别根据各个源域样本集和目标域样本集，对各个再次训练后的分类网络模型进行对抗训练，得到各个训练完成的分类网络模型；根据源域样本集和目标域样本集，确定各个训练完成的分类网络模型对应的分类权重，结合各个训练完成的分类网络模型
样本识别模型生成方法装置计算机设备存储介质

[发明专利]一种医学图像的分类方法、装置、设备及存储介质-CN202211275348.2在审
发明人：吴少智;曹云建;刘欣刚;田淼;彭攀 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-10-18 - 公布日： 2022-12-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种医学图像的分类方法、装置、设备及存储介质。该方法包括：将获取到的待测医学图像以及与所述待测医学图像对应的临床特征数据输入到预先训练完成的目标图像分类模型中；其中，所述目标图像分类模型包括主干网络、类别分支网络和分类网络；通过所述主干网络，基于输入的待测医学图像，确定待测特征图；通过所述类别分支网络，基于所述临床特征数据和所述主干网络输出的待测特征图，确定融合特征图；通过所述分类网络，基于所述类别分支网络输出的所述融合特征图，输出所述待测医学图像对应的目标分类结果本发明实施例解决了现有的目标图像分类模型的输入数据过于简单的问题，提高了目标图像分类模型的分类准确率。
一种医学图像分类方法装置设备存储介质

[发明专利]一种基于多尺度空谱特征的病理高光谱图像分类方法-CN202211587387.6在审
发明人：张辉;胡非易;陈煜嵘;尹阿婷;袁小芳;毛建旭;王耀南 -专利权人：湖南大学
申请日： 2022-12-09 - 公布日： 2023-03-17 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于多尺度空谱特征的病理高光谱图像分类方法，获取病理切片高光谱图像以及对应的像素级标签，对高光谱图像进行预处理，得到高光谱补丁图像和对应的分类标签；搭建多尺度空谱特征分类网络并预设对应网络的损失函数；将预设的训练集输入至搭建好的多尺度空谱特征分类网络进行训练，根据预设的损失函数计算网络的损失值，并反向传播更新网络的网络参数，得到更新后的多尺度空谱特征分类网络；将高光谱补丁图像输入至更新后的多尺度空谱特征分类网络，结合分类标签，输出高光谱补丁图像的分类结果。该分类方法充分利用了空间邻域特征和高光谱特征，通过去除不相关的输入特征和添加正则化缓解使用小规模数据集时的过拟合问题。
一种基于尺度特征病理光谱图像分类方法

[发明专利]一种基于聚类分析的开集图像分类方法-CN202211355012.7在审
发明人：陈绵书;张雅琦;胡超亚;桑爱军;李晓妮;郑宏宇 -专利权人：吉林大学
申请日： 2022-11-01 - 公布日： 2023-01-13 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于聚类分析的开集图像分类方法，包括步骤：将待分类遥感图像输入嵌入网络，得到嵌入特征，并基于聚类模块，确定嵌入特征对应的簇，根据簇确定簇对应的编解码网络；或者基于聚类模块，确定对应的簇，根据簇确定簇对应的嵌入网络和簇对应的编解码网络，并将待分类遥感图像输入嵌入网络，得到嵌入特征；将嵌入特征输入簇对应的编解码网络，得到分类结果；分类结果包括：分类类别和未知类别。由于编解码网络是按照簇分成多个，每个簇的嵌入特征之间比较相似，且与未知类别的待分类遥感图像的嵌入特征相差较大，则未知类别的待分类遥感图像可被该簇对应的编解码网络分类为未知类别，提高了基于聚类分析的代表性
一种基于聚类分析图像分类方法

[发明专利]基于生成对抗网络和注意力网络的细粒度图像分类方法-CN201910850959.7有效
发明人：车少帅;刘大伟;胡笳 -专利权人：中电鸿信信息科技有限公司
申请日： 2019-09-10 - 公布日： 2023-04-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于生成对抗网络和注意力网络的细粒度图像分类方法，确定图像分类类别，建立相应类别的训练图像集；设计图像细粒度分类的深度注意力卷积网络，该网络包含VGG16全卷积层、SS注意力区域生成、空间金字塔池化层ROI pooling layer、整体与局部特征结合分类全连接层四部分；设计生成对抗网络DAC‑GAN的结构，生成网络与判别网络；使用训练样本集，进行训练DAC‑GAN网络，保存判别网络模型；使用判别网络模型，进行图像类别进行分类预测。本发明提高了图像分类网络的准确度，解决了小样本量的数据不足的问题。
基于生成对抗网络注意力细粒度图像分类方法

[发明专利]非机动车图像多标签分类方法、系统、设备及存储介质-CN201811240000.3在审
发明人：谢晓汶;陈燕娟;黑光月;周延培;陈曲;周峰;孙新;章勇;曹李军;陈卫东 -专利权人：苏州科达科技股份有限公司
申请日： 2018-10-23 - 公布日： 2019-02-12 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种非机动车图像多标签分类方法、系统、设备及存储介质，所述非机动车图像的标签包括多个属性的分类结果，所述方法包括如下步骤：将测试的非机动车图像输入训练好的分类网络模型中，所述分类网络模型包括特征提取层和与所述属性一一对应的多个分类单元；所述分类网络模型的特征提取层提取测试图像中的特征；所述分类网络模型的多个分类单元分别根据提取的特征计算各个属性的分类结果；将各个属性的分类结果合并，作为测试的非机动车图像的标签。本发明采用了一个分类网络模型即可以实现非机动车多属性分类，训练方便，分类精度高。
分类网络分类结果图像标签分类存储介质分类单元特征提取标签测试测试图像多个属性属性分类特征计算图像输入合并分类

[发明专利]视频的分类方法、装置、设备及存储介质-CN201811474135.6有效
发明人：刘汇川 -专利权人：广州市百果园信息技术有限公司
申请日： 2018-12-04 - 公布日： 2023-08-01 - 主分类号： G06F16/735 文献下载
摘要：本发明实施例公开了一种视频的分类方法、装置、设备及存储介质。该方法包括：将视频数据输入视频分类模型中的特征提取网络，获得特征向量；将所述特征向量输入视频分类模型中的多个并行的分类网络，获得并行的多个分类标签；将所述多个分类标签进行合并，获得所述视频对应的分类结果本发明实施例提供的视频的分类方法，多个并行的分类网络对同一个特征提取网络输出的特征向量进行识别，无需重复获取相同的特征向量，减少计算量，提高分类效率；多个并行的分类网络对特征向量进行识别，以获得视频数据对应的多个分类标签，可以提高对视频分类的准确性。
视频分类方法装置设备存储介质

[发明专利]目标检测方法及装置-CN201611118373.4在审
发明人：冯昊;汪彪;张超;徐静涛;钱德恒;韩在濬;崔昌圭 -专利权人：北京三星通信技术研究有限公司;三星电子株式会社
申请日： 2016-12-07 - 公布日： 2018-06-15 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了目标检测方法及装置，所述方法包括：获取待检测图像；根据级联神经网络对待检测图像的多个候选区域进行分类；其中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，上述子神经网络对前一级神经网络分类后的分类结果进行分类；根据多个候选区域的最终分类结果，确定出目标区域。本发明实施例中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，可较为全面精确地对候选区域进行分类，提升分类精度；进而更加精确地确定出目标区域。且有利于减少神经网络的级数，可减少由各级神经网络组成的分类模型占用的存储空间；可应用到硬件配置较低或计算性能较弱的设备中。 1
神经网络候选区域分类分类结果目标检测目标区域并列神经网络分类待检测图像存储空间分类模型计算性能检测图像硬件配置前一级级联占用应用

[发明专利]图像标签分类网络的训练方法、图像标签分类方法及设备-CN202210266515.0在审
发明人：马锦玙;张有才;李亚乾;郭彦东 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-03-17 - 公布日： 2022-07-08 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种图像标签分类网络的训练方法、图像标签分类方法、装置、电子设备及可读存储介质。该方法包括：将样本图像输入初始图像标签分类网络，得到初始图像标签分类网络输出的多个样本标签对应的样本标签分类结果；确定第一样本标签的标签分类结果的损失值，作为第一损失值，确定第二样本标签的标签分类结果的损失值，作为第二损失值；根据对应第一损失值的权重对第一损失值进行调整，得到第三损失值，权重是根据第一样本标签对应的样本标签分类结果确定的；根据第二损失值和第三损失值对初始图像标签分类网络进行训练，得到图像标签分类网络通过本申请的方法得到图像标签分类网络的标签分类准确率较高。
图像标签分类网络训练方法设备