[发明专利]一种深度卷积网络的织物纹理疵点分类方法在审
| 申请号： | 201810290977.X | 申请日： | 2018-03-30 |
| 公开（公告）号： | CN108537266A | 公开（公告）日： | 2018-09-14 |
| 发明（设计）人： | 郝矿荣;隗兵;丁永生;唐雪嵩 | 申请（专利权）人： | 东华大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 上海泰能知识产权代理事务所 31233 | 代理人： | 宋缨;钱文斌 |
| 地址： | 201620 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种深度卷积网络的织物纹理疵点分类方法，所述深度卷积网络包括输入层、卷积层、下采样层、全连接层和输出层，其中，卷积层中的每个神经元的权值矩阵被称为卷积核，所述卷积核与输入之间是全部连接的，每个卷积核通过滑动窗口的方式提取输入数据不同位置的特征，所得结果为一个二维特征集合，即特征图；卷积层的特征图将作为下一层的输入继续传播；所述卷积核提取的特征能够对输入的图像进行逐层抽象，获得更高层次的分布式特征表达。本发明提高疵点分类的速度和准确率。 | ||
| 搜索关键词： | 卷积 卷积核 疵点分类 织物纹理 特征图 神经元 分布式特征 二维特征 滑动窗口 权值矩阵 网络包括 连接层 输出层 输入层 下采样 准确率 集合 网络 抽象 图像 传播 | ||
【主权项】：
1.一种深度卷积网络的织物纹理疵点分类方法，其特征在于，所述深度卷积网络包括输入层、卷积层、下采样层、全连接层和输出层，包括以下步骤：(1)构建织物纹理疵点数据库；(2)将图像数据作为深度卷积网络的输入，然后深度卷积网络会对图像数据进行图像特征的学习，卷积层中的每个神经元的权值矩阵被称为卷积核，所述卷积核与输入之间是全部连接的，每个卷积核通过滑动窗口的方式提取输入数据不同位置的特征，所得结果为一个二维特征集合，即特征图；卷积层的特征图将作为下一层的输入继续传播；所述卷积核提取的特征能够对输入的图像进行逐层抽象，获得更高层次的分布式特征表达；(3)下采样层将不同位置的特征进行聚合，对特征信息进行降维；(4)下采样层的输出进行归一化处理，即将下采样层的输出进行线性变换把数据映射到[0，1]之间；(5)全链接层采用全连接操作将下采样层的输出由一个特征空间线性变换到另一个特征空间；(6)输出层选择为10个输出的softmax输出层，在输出层用softmax函数得到类别上的概率分布。
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东华大学，未经东华大学许可，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/201810290977.X/，转载请声明来源钻瓜专利网。
