[发明专利]基于多通路卷积神经网络的图像分类方法及系统有效
| 申请号： | 201710633647.1 | 申请日： | 2017-07-28 |
| 公开（公告）号： | CN107316066B | 公开（公告）日： | 2021-01-01 |
| 发明（设计）人： | 王瑜;朱婷;张娜;肖洪兵 | 申请（专利权）人： | 北京工商大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 100048 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多通路卷积神经网络(Convolutional Neural Networks，CNN)的图像分类方法及系统，其中，方法包括：输入待分类图像；对待分类图像进行分块；设计多通路CNN模型，多通路CNN模型至少包括局部特征提取通路和全局特征提取通路；对训练图像进行分块；根据多通路CNN模型和多个训练图像块进行模型训练，以生成CNN分类模型；根据多个图像块通过CNN分类模型得到图像分类结果。该方法可以基于多通路CNN全自动地对图像进行分类，实现基于像素级的分类目的，不受待分类图像类别的限制，而且适应性强，模型性能好，从而有效提高图像分类的准确性和便捷性。 | ||
| 搜索关键词： | 基于 通路 卷积 神经网络 图像 分类 方法 系统 | ||
【主权项】：
一种基于多通路卷积神经网络的图像分类方法，其特征在于，包括以下步骤：输入待分类图像；对所述待分类图像进行分块，以在所述待分类图像上得到多个图像块；设计多通路CNN模型，所述多通路CNN模型至少包括局部特征提取通路和全局特征提取通路；对训练图像进行分块，以在所述训练图像上得到多个训练图像块；根据所述多通路CNN模型和所述多个训练图像块进行模型训练，以生成CNN分类模型；以及根据所述多个图像块通过所述CNN分类模型得到图像分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工商大学，未经北京工商大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710633647.1/，转载请声明来源钻瓜专利网。
