首页> 中国专利> 基于稀疏性随机池化的卷积神经网络的图像识别方法

基于稀疏性随机池化的卷积神经网络的图像识别方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明所述基于稀疏性随机池化卷积神经网络的图像识别方法，该方法利用稀疏性随机池化的卷积神经网络来对图像进行特征提取并联结分类器分类识别，所述稀疏性随机池化的池化策略是：首先判别池化区域的稀疏程度来动态选取该区域的最佳特征值，并通过该最佳值使用高斯分布分配池化区域每个激活值概率权重，最后通过概率权重进行随机取值作为池化的输出值；本发明所述基于稀疏性随机池化卷积神经网络的图像识别方法的有益效果是：不仅能够优化特征提取阶段的特征信息，而且使模型在训练中一定程度上避免陷入局部最小值，增强了识别模型的泛化性与识别精度。

著录项

公开/公告号CN107871136A

专利类型发明专利
公开/公告日2018-04-03

原文格式PDF
申请/专利权人中山大学;
展开▼

申请/专利号CN201710172260.0
发明设计人宋振华;刘焱;杨建勇;蒋乐伦;宋嵘;张超;蒋庆;
展开▼

申请日2017-03-22
分类号G06K9/62(20060101);
代理机构44424 东莞市奥丰知识产权代理事务所(普通合伙);
代理人吴若草
地址 510275 广东省东莞市海珠区新港西路135号
入库时间 2023-06-19 04:59:29

法律信息

法律状态公告日

法律状态信息

法律状态
2018-05-01

实质审查的生效 IPC(主分类):G06K9/62 申请日:20170322

实质审查的生效
2018-04-03

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于稀疏性随机池化的卷积神经网络的图像识别方法 [P] . 中国专利： CN107871136A . 2018-04-03
2. 基于动态随机池化卷积神经网络的图像分类方法 [P] . 中国专利： CN105701507B . 2018.10.23
3. DEEP CONVOLUTIONAL NEURAL NETWORK-BASED SUBMERGED OIL SONAR DETECTION IMAGE RECOGNITION METHOD [P] . WO2021243743A1 . 2021-12-09

机译：基于深度卷积神经网络的淹没油声纳检测图像识别方法
4. IMAGE IDENTIFICATION METHOD AND SYSTEM BASED ON CONVOLUTIONAL NEURAL NETWORK, AND ELECTRONIC DEVICE [P] . 世界知识产权组织专利： WO2017166586A1 . 2017-10-05

机译：基于卷积神经网络和电子设备的图像识别方法和系统
5. METHOD FOR IDENTIFYING A SPEAKER BASED ON RANDOM SPEECH PHONOGRAMS USING FORMANT EQUALIZATION [P] . EA019949B1 . 2014-07-30

机译：基于共振峰均衡的基于随机语音图像的说话人识别方法