[发明专利]一种用于图像识别的神经网络模型在审
| 申请号： | 201810526107.8 | 申请日： | 2018-05-29 |
| 公开（公告）号： | CN108875912A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 梁琨;段珺珂;张翼英;杨巨成;王聪;侯琳;都宁 | 申请（专利权）人： | 天津科技大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 天津盛理知识产权代理有限公司 12209 | 代理人： | 王利文 |
| 地址： | 300222 天津市河*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络模型 图像识别 训练算法 连接层 池化 卷积 向量 多层网络 激活函数 提取特征 网络参数 神经元 筛选 连接关系 特征向量 网络模型 选择提供 识别率 分类 改进 图像 | ||
1.一种用于图像识别的神经网络模型，其特征在于：由多个神经元连接在一起构成多层网络，所述多层网络包括卷积层、池化层和全连接层，卷积层用于提取特征向量，池化层对特征向量进一步筛选，全连接层进行最后的分类，各层之间通过激活函数连接在一起，并通过训练算法不断改进网络参数。
2.根据权利要求1所述的一种用于图像识别的神经网络模型，其特征在于：所述神经元是神经网络结构对应的公式为：
其中，y表示x神经元的输出，f(x)表示激活函数，Wi表示第i个输入的权重，θ表示x神经元的阈值。
3.根据权利要求1所述的一种用于图像识别的神经网络模型，其特征在于：所述激活函数使用ReLU函数作为激活函数。
4.根据权利要求1所述的一种用于图像识别的神经网络模型，其特征在于：所述卷积层采用3×3的卷积核，其内积的计算公式为：
其中f(x)表示激活函数，wm，n表示第m行n列的权重，wb表示卷积核的阈值。
5.根据权利要求1至4任一项所述的一种用于图像识别的神经网络模型，其特征在于：所述卷积层卷积层包括第一层卷积层、第二层卷积层和第三层卷积层；所述池化层池化层包括第一层池化层、第二层池化层和第三层池化层；所述全连接层包括第一层全连接层和第二层全连接层，各层的基本参数如下：
输入：128×128大小的图片，3通道；
第一层卷积层：8×8卷积核，输出向量长度为16；
第一层池化层：2×2的核；
第二层卷积层：5×5卷积核，输出向量长度为32；
第二层池化层：2×2的核；
第三层卷积层：5×5卷积核，输出向量长度为128；
第三层池化层：2×2的核；
第一层全连接层：将第三层池化层的输出连接成一个长度为1024的向量；
第二层全连接层：将第一层全连接层的输出连接成一个长度为1024的向量。
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天津科技大学，未经天津科技大学许可，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/pat/books/201810526107.8/1.html，转载请声明来源钻瓜专利网。
