[发明专利]基于深度卷积神经网络的典型红外目标分类方法在审
| 申请号： | 201910779094.X | 申请日： | 2019-08-22 |
| 公开（公告）号： | CN110619352A | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 刘伟峰;张倩文;王亚宁 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06N3/04 |
| 代理公司： | 33240 杭州君度专利代理事务所(特殊普通合伙) | 代理人： | 杨舟涛 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度卷积神经网络的典型红外目标分类方法。传统神经网络因为结构比较简单，属于典型的浅层模型，很难获得更为细致有效的识别特征，在红外图像识别问题中性能欠佳。本发明方法首先获取不同距离和角度以及有无遮挡物情况下两种车辆模型的红外图像样本作为数据集，然后将数据集分为不重叠的训练集和测试集，并对数据集样本进行预处理，再通过VGG16深度神经网络模型获取红外目标图像特征，最后将提取出的特征信息输入到归一化函数softmax进行分类。本发明方法可以减小红外目标图像特征提取的难度，降低模型的复杂程度，实现良好的分类效果和实时计算效率。 | ||
| 搜索关键词： | 数据集 红外目标图像 样本 预处理 传统神经网络 红外图像识别 卷积神经网络 神经网络模型 归一化函数 车辆模型 分类效果 红外目标 红外图像 实时计算 特征提取 特征信息 不重叠 测试集 训练集 遮挡物 中性能 分类 减小 浅层 | ||
【主权项】：
1.基于深度卷积神经网络的典型红外目标分类方法，其特征在于该方法具体如下：/n步骤(1).数据集的获取及预处理：/n通过红外热像仪采集得到目标的红外图像，所述的红外图像包括不同距离和角度以及有无遮挡物情况下红外传感器获取的目标不同红外图像样本；/n将获取的红外图像样本归为数据集X，X＝{(x
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910779094.X/，转载请声明来源钻瓜专利网。
