“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]一种多尺度点云分类方法及系统-CN202210038066.4在审
发明人：张登银;龚锐;曹莹莹;杨辰 -专利权人：南京邮电大学
申请日： 2022-01-13 - 公布日： 2022-04-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种多尺度点云分类方法，所述方法包括如下步骤：获取3D无序点云数据；使用预先训练的并行分类网络对获取到的点云数据进行特征提取和分类，得到输出结果；其中，所述并行分类网络包括多个结构相同的基础网络；使用预先训练的深度Q网络对并行网络的输出结果进行融合，得到点云分类的最终结果。本发明能够提高点云分类的准确率和鲁棒性。
一种尺度分类方法系统

[发明专利]一种基于深度集成及细节感知的细粒度三维模型分类方法-CN202210709888.0在审
发明人：白静;姬卉;邵会会;武如嵩 -专利权人：北方民族大学
申请日： 2022-06-22 - 公布日： 2022-09-30 - 主分类号： G06V20/64 文献下载
摘要：本发明公开了一种基于深度集成及细节感知的细粒度三维模型分类方法，该方法是基于一个三维模型细分类网络实现三维模型多视图的细粒度分类，三维模型细分类网络由主干网络和辅助网络组成，主干网络由初始特征提取层、一组基学习器和一个深度集成学习器构成，用于学习多视图中包含的三维模型全局结构特征，辅助网络由上下文细节感知模块、视图最大池化层和全连接层构成，用于捕捉视图中包含的细节特征；将主干网络与辅助网络的分类决策相结合，形成整体网络的分类综合决策，并以此构建联合损失函数，使得三维模型细分类网络能将细粒度三维模型进行准确分类。本发明可有效捕捉细粒度判别性信息，在三个数据集中均具有良好的分类效果以及普适性。
一种基于深度集成细节感知细粒度三维模型分类方法

[发明专利]脑图像分类方法和存储介质-CN202010662852.2在审
发明人：邢潇丹;石峰 -专利权人：上海联影智能医疗科技有限公司
申请日： 2020-07-10 - 公布日： 2020-11-17 - 主分类号： G06F16/55 文献下载
摘要：本申请涉及一种脑图像分类方法和存储介质。所述方法包括：获取待分类的脑功能图像；根据脑功能图像，得到脑功能图像对应的图特性矩阵；将图特性矩阵输入预设的图像分类网络的特征提取子网络，得到脑功能图像中各脑区之间的特征信息；将各脑区之间的特征信息输入图像分类网络的聚类子网络，对各脑区进行聚类，将各脑区聚类为不同的脑回路；将各脑回路输入图像分类网络的分类子网络，得到脑功能图像的分类结果。采用本方法能够提高得到的脑功能图像的分类结果的准确度。
图像分类方法存储介质

[发明专利]一种基于光学-SAR协同响应的作物分类方法-CN201910996812.9在审
发明人：孙营伟;骆剑承;李召良;吴田军;董文;郜丽静;胡晓东;周亚男 -专利权人：中国科学院空天信息创新研究院;苏州中科天启遥感科技有限公司;中国农业科学院农业资源与农业区划研究所
申请日： 2019-10-19 - 公布日： 2021-04-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于光学‑SAR协同响应的作物分类方法，包括：步骤一、多时相SAR数据获取；步骤二、遥感影像收集；步骤三、地块生成：基于CNN网络构建地块；步骤四、同步响应机制网络建立：基于transformer网络学习SAR‑光学数据响应机制；步骤五、特征计算：计算作物地块尺度的光学时间序列特征；步骤六、作物分类网络搭建：搭建基于RNNs理念的作物分类网络；步骤七、样本制作及作物分类模型训练：建立具有类别属性的样本，对作物分类网络进行训练，得到作物分类模型；步骤八、作物分类；本发明实现了多云多雨区域大面积作物的快速准确分类，减少了人工调查和解译的工作量。
一种基于光学 sar 协同响应作物分类方法

[发明专利]一种基于卷积神经网络的病变图像的分类方法-CN202010336446.7有效
发明人：缪佳;温敏立;陈阳 -专利权人：南京图格医疗科技有限公司
申请日： 2020-04-24 - 公布日： 2022-04-19 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于卷积神经网络的病变图像的分类方法，具体包括以下步骤：(1)采集病灶图像制作图像数据库，并将图像数据库内的图像标注类别；(2)采用图像增强算法增强训练样本集内的原始图像，提高图像的纹理和细节清晰度；(3)构建病变分类网络，用训练样本集训练所述分类网络，确定网络参数，得到分类模型；(4)将待测试的病变图像输入病变分类网络中，得到病变所属类别，完成病变图像的分类。本发明通过病变分类网络双流CNN基于O‑stream和P‑stream模型分别提取全局、颜色特征和纹理、细节特征，有效的提高了最终的分类效果。
一种基于卷积神经网络病变图像分类方法

[发明专利]一种基于对抗训练的网络攻击防御方法-CN201811633759.8有效
发明人：陈晋音;吴洋洋;熊晖;郑海斌 -专利权人：浙江工业大学
申请日： 2018-12-29 - 公布日： 2021-02-26 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于对抗训练的网络攻击防御方法，包括：(1)构建节点分类模型，将原始网络结构所对应的邻接矩阵与标记类标的训练节点输入节点分类模型进行初始训练，得到初始分类模型；(2)依据对抗网络攻击算法和得到的初始分类模型依次修改每个训练节点的至少一个节点对，并迭代更新原始网络结构的邻接矩阵，构建所需的对抗网络；(3)利用得到的对抗网络与被标记类标的训练节点，重新训练初始分类模型，最终得到具有防御能力的节点分类模型。利用本发明的方法，可以提高模型对对抗样本的分类效果，从而提高对对抗网络攻击的防御效果。
一种基于对抗训练网络攻击防御方法

[发明专利]通道全局排序指导剪枝和量化联合的神经网络压缩方法-CN202211217914.4在审
发明人：谢卫莹;樊潇怡;张鑫;李云松;雷杰 -专利权人：西安电子科技大学
申请日： 2022-09-30 - 公布日： 2023-01-31 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种通道全局排序指导剪枝和量化联合的神经网络压缩方法，包括下述步骤：获取训练样本集和测试样本集；构建图像分类卷积神经网络模型；对图像分类卷积神经网络模型进行迭代训练；计算训练好的图像分类卷积神经网络模型中所有通道的重要性得分并获取剪枝量化后的图像分类卷积神经网络模型；更新剪枝量化后的图像分类卷积神经网络模型；获取图像分类卷积神经网络的压缩结果。本发明在通道重要性的全局排序指导下对图像分类卷积神经网络模型联合进行剪枝和量化，解决了现有技术中存在的仅在同一层内比较通道重要性且剪枝和量化互不相关导致在指定压缩比下压缩后网络相比于未压缩网络的分类准确性的下降值大的问题
通道全局排序指导剪枝量化联合神经网络压缩方法

[发明专利]网络模型训练方法和皮肤病变确定装置-CN202110981999.2在审
发明人：丁赛赛;漆玉金;杨仪;张萍;徐阳洋;吴建钢 -专利权人：苏州创影医疗科技有限责任公司
申请日： 2021-08-25 - 公布日： 2021-12-21 - 主分类号： A61B5/00 文献下载
摘要：本申请公开了一种网络模型训练方法和皮肤病变确定装置，涉及图像处理技术领域，所述方法包括：构建病变分割网络，所述病变分割网络用于分割皮肤图像中的病变区域；构建病变分类网络，所述病变分类网络用于根据所述皮肤病变区域确定皮肤图像中的皮肤病变分类；融合所述病变分割网络和所述病变分类网络，得到相互引导网络模型；通过样本皮肤图像集训练所述相互引导网络模型，训练后的所述相互引导网络模型用于确定图像中的皮肤病变的分类。解决了现有技术中医生人工判定时效率较低且准确率较差的问题，达到了可以通过相互引导网络模型自动确定得到病变分类，提高皮肤判定效率和准确率的效果。
网络模型训练方法皮肤病变确定装置

[发明专利]结构-功能脑网络双向映射模型构建方法及脑网络双向映射模型-CN202111556672.7在审
发明人：王书强;丁陈 -专利权人：深圳先进技术研究院
申请日： 2021-12-18 - 公布日： 2022-03-25 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及一种结构‑功能脑网络双向映射构建方法及脑网络双向映射模型，方法包括，构建特征预处理模块，得到脑结构网络和脑功能网络；构建结构特征提取模块和功能特征提取模块，得到大脑的结构特征和功能特征；构建结构分类器模块和功能分类器模块，得到基于结构特征的病情分类结果和基于功能特征的病情分类结果；构建结构‑功能双向映射网络，对脑结构网络和脑功能网络进行双向映射；利用预处理后的所述脑结构网络和脑功能网络的数据集，对构建的结构特征提取模块和功能特征提取模块、结构分类器模块和功能分类器模块及结构‑功能双向映射网络进行训练学习。使得构建的脑网络模型有助于揭示大脑结构和功能之间复杂关系。
结构功能网络双向映射模型构建方法

[发明专利]垃圾图片的识别方法、装置及设备-CN202010720028.8有效
发明人：张伟望;刘炎;覃建策;田本真;陈邦忠 -专利权人：完美世界（北京）软件科技发展有限公司
申请日： 2020-07-24 - 公布日： 2020-11-20 - 主分类号： G06K9/62 文献下载
摘要：其中方法包括：首先基于确定的深度学习模型，选取前预设数量层参数作为基础网络，并在基础网络之后构建浅层分类网络；然后冻结基础网络的参数，利用垃圾图片训练集训练浅层分类网络；若根据浅层分类网络训练更新后的参数判定网络收敛，则解冻基础网络的参数，并利用小于预设阈值的学习率，对基础网络和浅层分类网络的所有参数进行预设个数的全量数据的训练，以调整基础网络之前冻结的参数，得到目标深度学习模型；最后利用目标深度学习模型进行图片分类本申请可自动化实现垃圾图片的分类识别，可提高垃圾图片的识别效率和准确率。
垃圾图片识别方法装置设备

[发明专利]垃圾图片的识别方法、装置及设备-CN202011418624.7有效
发明人：张伟望;刘炎;覃建策;田本真;陈邦忠 -专利权人：完美世界（北京）软件科技发展有限公司
申请日： 2020-07-24 - 公布日： 2023-10-20 - 主分类号： G06V20/00 文献下载
摘要：其中方法包括：首先基于确定的深度学习模型，选取前预设数量层参数作为基础网络，并在基础网络之后构建浅层分类网络；然后冻结基础网络的参数，利用垃圾图片训练集训练浅层分类网络；若根据浅层分类网络训练更新后的参数判定网络收敛，则解冻基础网络的参数，并利用小于预设阈值的学习率，对基础网络和浅层分类网络的所有参数进行预设个数的全量数据的训练，以调整基础网络之前冻结的参数，得到目标深度学习模型；最后利用目标深度学习模型进行图片分类本申请可自动化实现垃圾图片的分类识别，可提高垃圾图片的识别效率和准确率。
垃圾图片识别方法装置设备

[发明专利]敏感图像鉴定方法及终端系统-CN201810929971.2有效
发明人：王西子;程峰;王士林;孙环荣;刘功申;周诚 -专利权人：上海嵩恒网络科技股份有限公司;上海交通大学
申请日： 2018-08-15 - 公布日： 2022-06-21 - 主分类号： G06K9/62 文献下载
摘要：该方法应用于敏感图像鉴定系统，该系统包括：骨干网络、全局分类网络以及目标区域检测网络，该方法包括：在有局部区域标注的图像训练集上训练所述目标区域检测网络得到骨干网络参数；其中，所述骨干网络参数为所述目标区域检测网络中与所述骨干网络结构相同的网络结构的网络参数；根据所述骨干网络参数对所述全局分类网络进行初始化；初始化后的所述全局分类网络在类别标注数据集上进行训练，采用训练好的所述全局分类网络进行敏感图像分类。本发明实施例可以检测到图像中大小各异的敏感区域，从而大幅提升敏感图像分类性能。
敏感图像鉴定方法终端系统

[发明专利]基于混合连通性深度卷积神经网络的图像分类方法及系统-CN202010021930.0在审
发明人：杨传广;安竹林;徐勇军;程坦 -专利权人：中国科学院计算技术研究所
申请日： 2020-01-09 - 公布日： 2020-05-29 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于混合连通性深度卷积神经网络的图像分类方法及系统，包括：获取包括多张原始图像的训练集，根据每张图片的类别标签统计得到该训练集的正确分类概率分布，将该训练集输入至深度卷积神经网络中，得到该训练集的特征向量，将该特征向量通过全连接层得到在不同类别上的预测分类概率分布，根据该预测分类概率分布与正确分类概率分布，求解一个交叉熵误差，通过该交叉熵误差迭代该深度卷积神经网络，直到该交叉熵误差小于预设值，保存当前该深度卷积神经网络作为图像分类网络；将待分类图像输入至该图像分类网络，输出该待分类图像的类别概率分布，选取概率最大的类别作为该待分类图像的图像分类结果。
基于混合连通性深度卷积神经网络图像分类方法系统

[发明专利]内容分类方法、装置、可读存储介质及电子设备-CN202210626498.7在审
发明人：徐瑞聪 -专利权人：北京三快在线科技有限公司
申请日： 2022-06-02 - 公布日： 2022-08-09 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及一种内容分类方法、装置、可读存储介质及电子设备。方法包括：提取待分类内容对应的目标特征信息；根据目标特征信息，通过目标层级分类模型对待分类内容按照预设类目体系进行分类，得到目标分类；目标层级分类模型包括与预设类目体系中的N级类目一一对应的N个层级网络，与最低层级类目对应的第一分类器；层级网络用于至少根据目标特征信息和来自该层级网络的前一层级网络的层级特征信息，生成该层级网络对应的层级类目的层级特征信息。这样，N个层级网络之间能以自顶向下的方式进行层级特征信息的传递融合，利用类目层级间的融合信息进行内容分类，提升内容分类准确率。另外，通过单一模型进行分类，模型部署简单，迭代方便。
内容分类方法装置可读存储介质电子设备

[发明专利]细粒度图像分类方法、系统、计算机设备及存储介质-CN202010951989.X有效
发明人：王伟凝;郭沛榕;李乐敏;谭燕;石红霞 -专利权人：华南理工大学
申请日： 2020-09-11 - 公布日： 2022-04-22 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了一种细粒度图像分类方法、系统、计算机设备及存储介质，所述方法包括：搭建细粒度图像分类网络，所述细粒度图像分类网络为注意力抑制与注意力增强的双分支网络，包括残差网络和注意力层；获取训练集，所述训练集由多张训练图像构成；利用训练集对细粒度图像分类网络进行训练，采用梯度推进的最大值与最小值交叉熵损失函数，得到细粒度图像分类模型；获取待分类图像；将待分类图像输入细粒度图像分类模型中，使待分类图像在残差网络中流动，而不经过注意力层本发明基于弱监督学习与注意力机制实现，能够使训练得到的细粒度图像分类模型实现较好的细粒度图像分类效果。
细粒度图像分类方法系统计算机设备存储介质