[发明专利]一种基于卷积多特征和深度随机森林的场景识别方法有效
| 申请号： | 201711335270.8 | 申请日： | 2017-12-08 |
| 公开（公告）号： | CN108108751B | 公开（公告）日： | 2021-11-12 |
| 发明（设计）人： | 熊继平;叶童;王妃 | 申请（专利权）人： | 浙江师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 321004 浙江*** | 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： | 本发明公开了一种基于卷积多特征和深度随机森林的场景识别方法，将稀疏编码的空间金字塔匹配方法和费舍尔向量运用于卷积神经网络中进行特征提取，并将提取的特征运用于深度随机森林的场景识别方法，以提高场景识别精度。该方法包括：利用卷积神经网络对训练图像进行训练，对卷积神经网络中最后一个卷积层的输出进行费舍尔向量编码，对卷积神经网络的输出进行解卷积并运用稀疏编码的空间金字塔匹配方法统计其在不同分辨率下的图像特征点分布从而构成多尺度的空间局部特征，之后使用深度随机森林进行分类，从而提高场景识别的准确度。 | ||
| 搜索关键词： | 一种 基于 卷积 特征 深度 随机 森林 场景 识别 方法 | ||
【主权项】：
1.一种基于卷积多特征和深度随机森林的场景识别方法，用于对场景图片的识别，其特征在于，该方法包括：利用卷积神经网络对原始输入图像进行学习；利用费舍尔向量编码对卷积神经网络卷积层的输出特征进行编码，得到卷积费舍尔特征；对卷积神经网络的输出特征进行解卷积得到解卷积特征图；利用稀疏编码的空间金字塔匹配方法对解卷积特征图进行多尺度划分，统计其在不同分辨率下的图像特征点分布得到多尺度的空间局部特征；将得到的卷积费舍尔特征和多尺度的空间局部特征输入到深度随机森林中进行训练，输出识别结果。
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浙江师范大学，未经浙江师范大学许可，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/201711335270.8/，转载请声明来源钻瓜专利网。
