[发明专利]一种半监督小样本深度学习图像模式分类识别方法有效
| 申请号： | 201710647312.5 | 申请日： | 2017-08-01 |
| 公开（公告）号： | CN107451565B | 公开（公告）日： | 2020-12-11 |
| 发明（设计）人： | 周喜川;刘念;唐枋;胡盛东;林智 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 400044 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种半监督小样本深度学习图像模式分类识别方法，属于图像识别领域。该方法包括步骤：S1：对图像样本进行预处理；S2：将预处理得到的数据输入训练好的网络中，网络通过3D卷积层进行特征提取，得到特征图层；S3：每个卷积层后接一个池化层，用于缩小特征图层的大小以减少网络中参数的数目；S4：将经过多层卷积层和池化层提取后的特征与一个全连接层相连，以提取和重新排列需要分类的特征；该层引入局部保邻的正则化操作；S5：输入待测样本，得到分类准确度。本发明利用了大量采集的无标签样本之间的位置相关性，提高了算法在小样本集合下的适用性与准确度。 | ||
| 搜索关键词： | 一种 监督 样本 深度 学习 图像 模式 分类 识别 方法 | ||
【主权项】：
一种半监督小样本深度学习图像模式分类识别方法，其特征在于：该方法包括以下步骤：S1：对图像样本进行预处理；S2：将预处理得到的数据输入训练好的网络中，网络通过3D卷积层进行特征提取，得到特征图层；S3：每个卷积层后接一个池化层，用于缩小特征图层的大小以减少网络中参数的数目；S4：将经过多层卷积层和池化层提取后的特征与一个全连接层相连，以提取和重新排列需要分类的特征；该层引入局部保邻的正则化操作，减小了相邻样本的特征差异，从而减小了由缺少标签样本而引起的分类准确度下降；S5：输入待测样本，得到分类准确度。
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重庆大学，未经重庆大学许可，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/201710647312.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种用于测量剪切强度的剪切机
- 下一篇：一种剪板机控制面板的防护装置
