“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]基于卷积神经网络的图像分类方法、系统、装置及介质-CN202110242711.X在审
发明人：潘文兵;陈启买;刘海;贺超波 -专利权人：华南师范大学
申请日： 2021-03-05 - 公布日： 2021-06-04 - 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的图像分类方法、系统、装置及介质，该方法包括获取待分类图像；利用训练好的图像分类卷积神经网络模型对所述待分类图像进行分类；获取所述训练好的图像分类卷积神经网络模型输出的分类结果本发明通过利用训练好的图像分类卷积神经网络模型对待分类图像进行分类，能够以较少的参数量达到较好的图像分类性能；图像分类卷积神经网络模型为轻量级网络模型，能够克服大量参数量和内存不足的问题。本发明可广泛应用于图像分类技术领域。
基于卷积神经网络图像分类方法系统装置介质

[发明专利]知识自编码网络及其极化SAR影像地物分类方法-CN201410741792.8在审
发明人：焦李成;屈嵘;李倩;杨淑媛;侯彪;王爽;马文萍;马晶晶;刘红英 -专利权人：西安电子科技大学
申请日： 2014-12-05 - 公布日： 2015-03-25 - 主分类号： G06K9/62 文献下载
摘要：本发明方法公开了一种知识自编码网络及其极化SAR影像地物分类方法，主要解决现有极化SAR影像地物分类方法人工标记过多、分类正确率较低等问题。其实现主要是：构建知识自编码网络，逐层提取输入数据在不同深度层次的特征，用极化SAR影像数据Wishart距离作为先验知识指导地物分类；在网络学习时用正交PSO算法对网络参数寻优得到分类网络；将待分类数据输入网络得到分类结果本发明通过构建知识自编码网络，自动对数据进行特征提取，避免人工参与，消除不确定因素；用先验知识指导分类结果，提高分类正确率；用正交PSO算法对网络寻优，加快训练速度。本发明可用于数据分类、图像分类、场景分类、目标识别及数据预测分析。
知识编码网络及其极化 sar 影像地物分类方法

[发明专利]注意力融合互信息的图像分类方法、装置及存储介质-CN202010710654.9有效
发明人：李硕豪;王风雷;张军;张萌萌;雷军;何华;谭真;蒋林承 -专利权人：中国人民解放军国防科技大学
申请日： 2020-07-22 - 公布日： 2020-12-01 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一注意力融合互信息的图像分类方法、装置及存储介质，在所述图像分类方法中，我们将注意力分类网络与最大化互信息的聚类网络集成在一起构成所述图像分类网络，以提高分类网络的性能和获得良好的特性，在所述分类网络中，所述注意力分类网络用作提取区分零件特征的过滤器，所述聚类模块充当半监督学习指导，并利用语义相似性内部类来提高分类性能，此外所述分类网络可以使用没有任何类别标签的数据训练网络，适应于数据集比较小的图像细粒度分类以及有利于提高分类的准确性
注意力融合互信图像分类方法装置存储介质

[发明专利]一种联合FCN网络和Resnet网络的图像分类方法-CN202111296336.3在审
发明人：纪松;李凯;杨伟铭;于英;李峰;戴晨光;张磊;张振超;吕可枫 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2021-11-03 - 公布日： 2022-01-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种联合FCN网络和Resnet网络的图像分类方法，该方法包括获取待分类的图像；将获得的待分类的图像输入训练好的分类模型进行分类获得分类结果，分类模型由FCN网络模块和Resnet网络模块联合形成，其中，FCN网络模块包括依次连接的输入层、中间层和上采样层，Resnet网络模块包括中间层和输出层，FCN网络模块的上采样层的输出和FCN网络模块的输入进行乘法运算得到的结果作为Resnet网络模块的中间层的输入在本发明中，进行乘积运算使得输入图像的每个像素加入注意力机制，由此能够解决现有技术中Resnet分类网络分类精度不够高的问题。
一种联合 fcn 网络 resnet 图像分类方法

[发明专利]一种垃圾智能分类方法及系统-CN202211186418.7在审
发明人：胡海涛;李迎吉;邝乐;周丽 -专利权人：无锡职业技术学院
申请日： 2022-09-27 - 公布日： 2022-11-29 - 主分类号： G06K9/62 文献下载
摘要：本发明为一种垃圾智能分类方法及系统，包括：获取不同环境下的垃圾样本；构建IUDCN模型；训练IUDCN模型的特征提取网络和分类网络，获得跨域环境下的类混淆损失，分类损失以及样本间距离损失；在分类器中引入干扰因子，获得优化后的分类器；在特征提取网络与分类网络之间嵌入距离辅助网络，生成样本间距离损失，更新距离辅助网络参数，获得优化后的距离辅助网络；更新IUDCN模型参数；迭代以使得特征提取网络，距离辅助网络以及分类网络达到平衡本发明能够提高垃圾智能分类模型的学习能力，极大程度的提高跨域环境下垃圾分类的准确性。
一种垃圾智能分类方法系统

[发明专利]一种基于半监督生成对抗网络的通用图像分类方法和装置-CN201810851668.5有效
发明人：苏磊;凌平;张万才 -专利权人：国网上海市电力公司;华东电力试验研究院有限公司
申请日： 2018-07-30 - 公布日： 2023-07-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于半监督生成对抗网络的通用图像分类方法和装置，涉及图像分类技术，所述方法包括：步骤1：训练得到深度卷积生成对抗网络DCGAN，所述DCGAN包括生成网络和判别网络，所述判别网络包括依次连接的卷积神经网络和Softmax多分类器；步骤2：将待分类的图像输入至所述卷积神经网络，得到图像特征；步骤3：将得到的图像特征输入所述Softmax多分类器，得到分类结果。本发明中，由于判别网络是在DCGAN中训练得到，故提高了判别网络的泛化性能和分类准确率，通过该判别网络得到图像特征后，再结合Softmax多分类器，能够极大提高图像分类的准确率。
一种基于监督生成对抗网络通用图像分类方法装置

[发明专利]卷积神经网络分类器系统、其训练方法、分类方法和用途-CN201210320318.9有效
发明人：吴春鹏;范伟;何源;孙俊;直井聪 -专利权人：富士通株式会社
申请日： 2012-08-31 - 公布日： 2014-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及卷积神经网络分类器系统、其训练方法、分类方法和用途。该卷积神经网络分类器系统包括：相互异构的M种卷积神经网络分类器，M为大于1的整数；其中，每一种卷积神经网络分类器包括多个相互同构的卷积神经网络分类器。
卷积神经网络分类系统训练方法用途

[发明专利]网络流量分类方法和装置-CN201910445644.4有效
发明人：陈双武;李檀;杨坚;吴枫;张勇东 -专利权人：中国科学技术大学
申请日： 2019-05-27 - 公布日： 2020-08-28 - 主分类号： H04L12/851 文献下载
摘要：本发明实施例提供了一种网络流量类型分类方法，通过获取各个待分类的网络流量，将各个待分类的网络流量输入预先训练完成的目标领域特征提取器中，以得到与每个待分类的网络流量相对应的目标领域流量特征，将目标领域流量特征输入流量分类器中，以触发流量分类器依据各个目标领域流量特征对各个待分类的网络流量的类型进行识别，输出各个待分类的网络流量的流量类型。通过应用本发明实施例中预先训练完成的目标领域特征提取器提取待分类的网络流量的目标领域流量特征，流量分类器依据目标领域流量特征对网络流量进行分类，流量分类器在训练的过程中不需要对具有新流量特征的网络流量进行采集和标记
网络流量分类方法装置

[发明专利]图像分类模型的训练方法、装置、电子设备以及存储介质-CN202011339875.6在审
发明人：罗彤;郭彦东;李亚乾;杨林 -专利权人： OPPO广东移动通信有限公司;上海瑾盛通信科技有限公司
申请日： 2020-11-25 - 公布日： 2021-02-26 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种图像分类模型的训练方法、装置、电子设备以及存储介质。获取训练样本图像和训练样本图像对应的训练分类标签，训练分类标签为训练样本图像对应的多个分类标签中的部分分类标签，将训练样本图像输入分类网络，获取分类网络输出的多个预设分类标签中的每个预设分类标签的概率，基于训练分类标签和每个预设分类标签的概率，确定分类网络的损失信息，基于损失信息对分类网络进行迭代训练，获得图像分类模型，图像分类模型用于确定待分类图像对应的的多个分类标签。本申请通过标注部分分类标签的训练样本图像对分类网络进行训练，获得可以确定多个分类标签的图像分类网络，从而能够节省大量数据获取和标注的时间和财力成本。
图像分类模型训练方法装置电子设备以及存储介质

[发明专利]基于轻量级卷积神经网络的网络流量分类方法-CN201911171870.4在审
发明人：顾华玺;邓文帅;魏雯婷;王琨;任欣铭 -专利权人：西安电子科技大学
申请日： 2019-11-26 - 公布日： 2020-04-24 - 主分类号： H04L12/851 文献下载
摘要：本发明公开了一种基于轻量级卷积神经网络的网络流量分类方法，其步骤为：(1)抓取拟分类的网络流量数据；(2)分割处理网络流量数据文件；(3)依次进行匿名化、统一长度、生成训练数据集操作；(4)构建卷积神经网络；(5)训练卷积神经网络；(6)对待分类流量进行分类；本发明采用基于轻量级卷积神经网络，用于对实时抓取的网络流量进行分类，删除了网络流量数据中的冗余信息，保留了更多有效信息，最终提高了分类速度和分类精度
基于轻量级卷积神经网络网络流量分类方法

[发明专利]基于特定参数分布生成的小样本图像分类方法及系统-CN202111465249.6在审
发明人：刘东博;展华益;文艺 -专利权人：四川启睿克科技有限公司
申请日： 2021-12-03 - 公布日： 2022-01-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及小样本图像分类领域，具体涉及一种基于特定参数分布生成的小样本图像分类方法及系统，可以有效提高小样本图像分类方法的结果准确性。技术方案包括：构建小样本图像分类神经网络的总体架构，将多种卷积神经网络的参数作为参数训练集，使用参数训练集训练分布学习网络，通过训练后的分布学习网络生成小样本图像分类神经网络的初始参数，构建参数调节网络，所述参数调节网络和分布学习网络具有相同的参数，在参数调节网络的调节下，使用目标数据集来训练小样本图像分类神经网络，所述目标数据集为待分类图像集合，最后输入待分类图像，通过小样本图像分类神经网络提取其特征本发明适用于小样本图像分类。
基于特定参数分布生成样本图像分类方法系统

[发明专利]基于主动学习的网络流量分类方法及装置-CN202110093806.X有效
发明人：刘蔚柯;朱承;刘青宝;丁兆云 -专利权人：中国人民解放军国防科技大学
申请日： 2021-01-25 - 公布日： 2021-04-27 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于主动学习的网络流量分类方法及装置，包括：离线训练过程：在历史积累的网络流量数据集上对初始化训练得到的网络流量分类模型进行多轮次的主动学习和性能评估，直至达到预设评估要求，输出达到预设评估要求的网络流量分类模型，并结束离线训练过程；在线预测过程：利用离线训练过程获得的网络流量分类模型对实时网络流量数据进行在线预测，同时对网络流量分类模型自身进行在线主动学习。本发明基于主动学习的网络流量分类方法，在降低人力物力开销的同时，能够保证网络流量分类模型很好的分类性能，且基于主动学习训练获得的网络流量分类模型特别适用于不平衡网络流量数据的分类预测。
基于主动学习网络流量分类方法装置

[发明专利]处理图像的方法和神经网络系统、设备、介质-CN201711326277.3有效
发明人：陈胜;王哲;石建萍 -专利权人：北京市商汤科技开发有限公司
申请日： 2017-12-12 - 公布日： 2020-10-30 - 主分类号： G16H50/20 文献下载
摘要：本公开实施例公开了一种处理图像的方法和神经网络系统、设备、介质，其中，网络系统包括：共享网络、分类网络、分割网络和传递网络，其中，共享网络用于对待处理图像进行特征提取，得到待处理图像的初始特征，并将初始特征输入到分类网络和分割网络；分类网络用于根据初始特征，对待处理图像进行分类处理，得到待处理图像的分类结果；分割网络用于根据初始特征，对待处理图像进行图像分割处理，得到待处理图像的图像分割结果；传递网络用于在分类网络和分割网络之间传递信息本公开实施例通过传递网络传递分类网络和分割网络之间的信息，使获得传递后的特征更具有表征力信息，提高了当前任务的效果。
处理图像方法神经网络系统设备介质

[发明专利]半监督分类模型训练、图像分类方法和装置-CN202211541994.9在审
发明人：王家兴;李勇;宫礼星;陶通;刘朋樟;包勇军;颜伟鹏 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2022-12-02 - 公布日： 2023-04-04 - 主分类号： G06V10/764 文献下载
摘要：本公开提供了一种半监督分类模型训练方法和装置，涉及人工智能技术领域。该方法的一具体实施方式包括：对获取的素材样本进行序列化处理，得到素材序列；对素材序列进行随机掩码处理，得到包括整体语义特征的掩码序列；将素材序列和掩码序列输入预先构建的半监督分类网络的掩码预测网络中，计算得到掩码预测网络的掩码预测损失；将带目标标签且经过掩码预测网络预测的整体语义特征输入半监督分类网络的线性分类网络，计算得到线性分类网络的监督损失；基于掩码预测损失和监督损失，训练半监督分类网络，得到对应半监督分类网络的半监督分类模型该实施方式提高了半监督分类模型的分类性能。
监督分类模型训练图像方法装置

[发明专利]一种基于关键鉴定部位的商品真伪鉴定方法及系统-CN202310806782.7在审
发明人：孟月波;王博;占华;刘光辉;徐胜军 -专利权人：西安建筑科技大学
申请日： 2023-07-03 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于关键鉴定部位的商品真伪鉴定方法及系统，获取商品的关键鉴定部位图像得到数据集，对数据集中的图像进行人工鉴定真伪分类，得到真伪分类数据集；构建基于关键鉴定部位的真伪分类网络，包括Resnet50为主干网络，插入在主干网络中的区域峰值消除策略，以及衔接在主干网络输出端的特征交互模块；构建损失函数，利用真伪分类数据集对基于关键鉴定部位的真伪分类网络进行训练，确定真伪分类网络的参数，得到基于关键鉴定部位的真伪分类网络模型；屏蔽基于关键鉴定部位的真伪分类网络模型中的区域峰值消除策略，将待检测商品图像输入基于关键鉴定部位的真伪分类网络模型进行真伪鉴定分类，本发明真伪鉴定准确性高，实用性强。
一种基于关键鉴定部位商品真伪方法系统