“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]一种基于卷积神经网络深度特征的车标识别方法-CN202010139043.3有效
发明人：赵汉理;卢望龙;陈强 -专利权人：温州大学
申请日： 2020-03-03 - 公布日： 2021-05-11 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于卷积神经网络深度特征的车标识别方法，首先给定车标图像训练集及车标图像测试集，并构建和初始化分类器网络及SGD优化器；其次，在分类器网络的每次迭代计算中，将车标图像训练集中的车标图像作为分类器网络的输入得到车标识别结果，且根据损失函数，计算出损失值并进行反向传播对分类器网络的网络参数进行调整，同时利用车标图像测试集对分类器网络进行评估，直至迭代结束，得到最终的最优网络参数来更新分类器网络；最后，获取待测车标图像输入计算实施本发明，提高分类器网络的识别准确率和定位精准度，实现高鲁棒性高准确率的车标智能检测。
一种基于卷积神经网络深度特征标识方法

[发明专利]基于对抗生成网络和弱监督学习的数字切片图像分类方法-CN202110391347.3有效
发明人：高哲尧;庄吓海 -专利权人：复旦大学
申请日： 2021-04-13 - 公布日： 2022-08-05 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于对抗生成网络和弱监督学习的数字切片图像分类方法，包括如下步骤：S1：获取有掩码标注和无掩码标注的数字切片图像并将其切分成补丁图像作为源数据，形成真实正样本图像和未标注图像；S2：构建对抗生成网络，包括生成器网络和判别器网络，获取损失函数；S3：循环迭代，优化获取对抗生成网络的最优参数；S4：构建图像分类网络，将训练的生成器网络产生的生成图像以及真实正样本图像输入至所述的图像分类网络中；S5：循环迭代训练，获取图像分类网络的最优参数；S6：应用时，将目标切片图像切分成补丁图像输入至图像分类网络，输出分类结果。与现有技术相比，本发明泛化能力强，所需训练数据少，分类结果准确可靠。
基于对抗生成网络监督学习数字切片图像分类方法

[发明专利]基于残差网络与多尺度特征融合的GIS放电波形检测方法-CN202010478558.6有效
发明人：曾操;郑鑫;李世东;陶海红;朱圣棋;许京伟;杨茹 -专利权人：西安电子科技大学
申请日： 2020-05-29 - 公布日： 2023-09-19 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于残差网络与多尺度特征融合的GIS放电波形检测方法，包括：获取原始放电波形数据并标记类别标签，将所有样本数据进行打乱分为训练样本数据集和测试样本数据集；设计分类网络模型，并将训练样本数据集中的训练样本按批次传入该分类网络模型；使用交叉熵构造该分类网络模型的损失函数，在该分类网络模型的训练过程中使用随机梯度下降法，使得所述批训练样本在分类网络模型上的损失函数的平均值最小；将测试样本送入训练完成的分类网络模型中，得到检测结果。本方法由引入残差网络单元的全卷积网络提取放电波形特征，抑制了网络层数加深而带来的退化问题，提高了分类准确率。
基于网络尺度特征融合 gis 放电波形检测方法

[发明专利]一种基于深度学习的PDAF置信度计算方法-CN202211524687.X在审
发明人：王玘;何恒;苏文凯 -专利权人：豪威科技（武汉）有限公司
申请日： 2022-11-30 - 公布日： 2023-04-25 - 主分类号： H04N23/67 文献下载
摘要：本发明提供一种基于深度学习的PDAF置信度计算方法，包括：采集图像数据并进行数据预处理，同时进行PDAF分类网络设计；训练PDAF分类网络参数，获得PDAF分类网络模型；输入PD图像至所述PDAF分类网络模型本发明通过对PDAF分类网络参数进行训练，根据PDAF分类网络模型输出的概率分布，不仅可以输出Defocus值，也可以输出对应的置信度，可以有效避免CNN PDAF预测错误时引起的对焦错误。
一种基于深度学习 pdaf 置信计算方法

[发明专利]分类模型训练方法、使用方法、电子设备及存储介质-CN202011341119.7在审
发明人：豆泽阳;蒋阳;庞磊;赵丛 -专利权人：共达地创新技术（深圳）有限公司
申请日： 2020-11-25 - 公布日： 2022-05-27 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种分类模型训练方法、使用方法、电子设备及存储介质，其中，训练方法包括构建待训练的分类模型，分类模型包括特征提取网络、与特征提取网络连接的物体分类网络、物体框回归网络及锚框形状预测网络；获取样本图片集，其中，每个样本图片集对应一种物品类别，每个样本图片集中的每个样本图片中均包括该样本图片集所对应的物品类别下的物品，物品标识有物体边框；基于特征提取网络对样本图片集内的样本图片进行特征提取，以获取对应的特征向量；基于特征向量及物体边框分别构建锚框形状预测网络、物体分类网络、及物体框回归网络的损失函数；基于损失函数训练锚框形状预测网络、物体分类网络、及物体框回归网络，得到收敛的分类模型。
分类模型训练方法使用方法电子设备存储介质

[发明专利]一种基于多方面深度学习表达的图像情感分类方法-CN201710438419.9在审
发明人：王伟凝;黄杰雄;李乐敏;赵明权 -专利权人：华南理工大学
申请日： 2017-06-12 - 公布日： 2017-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多方面深度学习表达的图像情感分类的方法，包括以下步骤(1)图像情感分类模型设计包括一个并行卷积神经网络模型和一个用于决策融合网络特征的支持向量机分类器；(2)并行卷积神经网络结构设计共5个结构相同的网络，每个网络包括五个卷积层组、一个全连接层和一个softmax层；(3)对原始图像进行显著主体提取、HSV格式转换；(4)训练卷积神经网络模型；(5)融合多个卷积神经网络学习表达的图像情感特征，训练SVM分类器对图像情感特征进行决策融合；(5)用户图像使用已训练好的图像情感分类模型进行分类，实现图像情感分类。本发明得到的图像情感分类结果符合人类情感标准，判断过程无需人工参与，实现了机器全自动图像情感分类。
一种基于多方面深度学习表达图像情感分类方法

[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-CN202010213547.5在审
发明人：李超;孙艺芙;蓝利君;郭清宇;赵雪尧;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：获取至少两个源域训练样本集和一个目标域训练样本集；根据样本集，对各个待训练的元分类网络模型进行一一预训练，得到各个预训练后的元分类网络模型；分别根据目标域训练样本集，对各个预训练后的元分类网络模型进行再次训练，得到各个训练完成的目标域分类网络模型；根据源域训练样本集和目标域训练样本集，确定各个训练完成的目标域分类网络模型对应的分类权重；根据各个训练完成的目标域分类网络模型以及各个训练完成的目标域分类网络模型对应的分类权重
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]一种基于流形学习的无监督预适应图像分类方法-CN202111522633.5在审
发明人：田青;许衡;杨宏;朱雅喃 -专利权人：南京信息工程大学
申请日： 2021-12-13 - 公布日： 2022-03-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于流形学习的无监督预适应图像分类方法，该方法旨在构建图像分类模型，然后应用图像分类模型，完成待分类图像的分类，该方法包括以下步骤：1.构建图像样本集；2.构建特征提取网络；3.基于流形学习网络，构建特征向量降维网络；4.基于高阶信息匹配网络，构建分类器网络；5.构建源域图像样本的判别性损失模型、目标域图像样本的聚类损失模型、流形一致性损失模型、高阶张量匹配损失模型；6.引入交叉熵损失，获得最终损失模型；7.针对图像分类待训练模型进行训练，获得图像分类模型；该方法结合流形学习网络和高阶信息匹配网络，提取出的图像特征不仅有很好的迁移性，而且兼具很强的判别性，具有更高的分类准确率。
一种基于流形学习监督适应图像分类方法

[发明专利]生成图像分类模型的方法、图像分类方法、装置和设备-CN202011003484.7在审
发明人：崔若璇;魏凯峰;李雨珂;杨卫强;朱浩齐 -专利权人：网易（杭州）网络有限公司
申请日： 2020-09-22 - 公布日： 2020-12-11 - 主分类号： G06K9/34 文献下载
摘要：本申请的实施方式提供了一种生成图像分类模型的方法、图像分类方法、装置和设备，该方法包括：基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少一个目标层上的第一网络参数作为第一目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第一图像分类子模型；基于第二图像训练数据集训练第二神经网络，获得第二图像分类子模型；将第一图像分类子模型和第二图像分类子模型融合形成目标图像分类模型。利用本申请实施例生成的图像分类模型能够对待检测的图像进行分类。
生成图像分类模型方法装置设备

[发明专利]一种基于图像特征自适应卷积网络的图像分类方法和系统-CN202110305769.4在审
发明人：徐晨;周松斌;刘伟鑫 -专利权人：广东省科学院智能制造研究所
申请日： 2021-03-23 - 公布日： 2021-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例涉及图像处理技术领域，公开了一种基于图像特征自适应卷积网络的图像分类方法和系统，获取所有待分类样本图像的边缘轮廓平均数，以及所有待分析样本图像的加速稳健特征点平均数；确定所述边缘轮廓平均数和所述加速稳健特征点平均数之和所处特征量范围，选择与所述特征量范围对应的网络结构模型；基于所述待分类样本图像和所述网络结构模型进行神经网络训练，得到用于图像分类的分类模型；基于所述分类模型进行待分类样本的图像分类。通过计算待检测图像的特征信息，自动选择合适的网络结构，在保证图像分类任务的准确率下，提高深度学习网络的应用效率，减少企业人力、时间成本。
一种基于图像特征自适应卷积网络分类方法系统

[发明专利]人脸图像处理方法、系统及服务器-CN201711131120.5有效
发明人：杨帆;张志伟 -专利权人：北京达佳互联信息技术有限公司
申请日： 2017-11-15 - 公布日： 2019-04-26 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例公开了一种人脸图像处理方法、装置及服务器，包括下述步骤：获取待分类的人脸图像；将所述人脸图像输入到构建有损失函数的卷积神经网络模型中，所述损失函数对所述卷积神经网络模型输出的待分类数据进行系数松弛化处理，以增大所述待分类数据的分类界面；获取所述卷积神经网络模型输出的分类数据，并根据所述分类数据对所述人脸图像进行内容理解。在对人脸图像进行分类之前，将卷积神经网络模型提取的人脸图像的待分类数据特征进行系数松弛化处理，采用系数松弛化处理能够在更加严苛的条件下训练卷积神经网络模型，使分类边界明显增大，因此使卷积神经网络模型对内容理解精准度大大提高
图像处理方法系统服务器

[发明专利]一种基于卷积神经网络和字典对学习的肺结节分类方法-CN201710280338.0在审
发明人：强彦;贺娜娜;强梓林;赵涓涓;郝瑞;王华;张小龙 -专利权人：太原理工大学
申请日： 2017-04-26 - 公布日： 2017-08-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络和字典对学习的肺结节分类方法，该方法将字典对学习算法作为卷积神经网络的分类层与卷积神经网络进行结合，称为CNN‑DPC。该算法包括卷积神经网络参数的训练与肺结节分类两个阶段。首先对训练数据进行预处理，获得肺实质部分；然后对卷积神经网络进行预训练；接着用字典对学习算法替换卷积神经网络的分类层，并对预训练后的网络参数及字典对进行优化；最后对待分类数据进行预处理，获得肺实质部分，并通过训练好的分类模型实现肺结节的分类。本发明实现简单、易于理解，通过将卷积神经网络与字典对学习算法的优势相结合，能够较快且较好地实现肺结节的良恶性分类。
一种基于卷积神经网络字典学习结节分类方法

[发明专利]一种基于模型自蒸馏的数据处理方法、装置、设备及介质-CN202310479166.5在审
发明人：高睿哲 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-04-26 - 公布日： 2023-07-14 - 主分类号： G06F18/241 文献下载
摘要：方法包括：将已标注分类标签的训练样本输入至目标分类模型，得到所述目标分类模型针对所述训练样本的分类预测结果，其中，所述训练样本为样本商户群体的关系图谱，所述目标分类模型包含有由多个子网络组成的图神经网络，所述多个子网络用于对所述训练样本进行编码。基于分类预测结果与所述分类标签之间的损失函数，以及预设约束项，确定目标分类模型的训练梯度，其中，所述预设约束项用于约束所述图神经网络中在后编码的子网络的非平滑度大于在前编码的子网络的非平滑度。基于所述训练梯度，对图神经网络进行调整，以提升图神经网络对关系图谱的编码能力。
一种基于模型蒸馏数据处理方法装置设备介质

[发明专利]基于半监督生成对抗网络的结构状态分类方法及相关设备-CN202311108225.4在审
发明人：向玮;李晓;陶竞;张凤亮;雷有坤 -专利权人：深圳市路桥建设集团有限公司;哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2023-08-31 - 公布日： 2023-09-29 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了基于半监督生成对抗网络的结构状态分类方法及相关设备，所述方法包括：获取预定长度的结构加速度振动信号的信号样本，对信号样本进行频谱估计得到功率谱信号样本，并构建半监督生成对抗网络模型；基于功率谱信号样本对半监督生成对抗网络模型的生成网络和判别网络进行竞争迭代得到目标生成对抗网络；基于目标生成对抗网络对功率谱信号数据进行真伪性判别得到初步分类数据，并对所述初步分类数据进行状态分类得到目标状态分类结果，并将所述目标状态分类结果进行二维可视化得到可视化分类结果。本发明通过Welch功率谱估计可增强结构状态分类的鲁棒性，通过半监督的生成对抗网络算法使得对结构状态的预测识别效果更准确。
基于监督生成对抗网络结构状态分类方法相关设备

[发明专利]一种基于深度学习的CT图像肺结节快速筛查方法-CN202010141993.X有效
发明人：叶宏伟;李辉 -专利权人：浙江明峰智能医疗科技有限公司
申请日： 2020-03-04 - 公布日： 2021-04-02 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度学习的CT图像肺结节快速筛查方法，涉及CT图像处理技术领域，包括CT图像的预处理、分类模型的构建、分类网络的训练数据准备、分类网络的测试数据准备并预测、分割模型的数据准备和分割模型的构建；其中构建至少一个二分类网络，分类网络输入是三维图像，输出是包含肺结节的概率。分类网络的训练数据是将图像切割成小尺寸图像；分类网络预测时，需要将切割后的图像输入至分类网络中进行预测，根据该阈值筛选图像，去除包含结节的概率小于该阈值的切割后的图像；测试数据是最后一个网络中包含肺结节概率较大的图像
一种基于深度学习 ct 图像结节快速方法