[发明专利]一种结合显著性区域的卷积神经网络的花卉图像分类方法在审
| 申请号： | 201810087389.6 | 申请日： | 2018-01-30 |
| 公开（公告）号： | CN108334901A | 公开（公告）日： | 2018-07-27 |
| 发明（设计）人： | 王秀;余春艳;叶鑫焱 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明涉及一种结合显著性区域的卷积神经网络的花卉图像分类方法，在卷积神经网络提取花卉图像的全局特征的基础上，加入Itti‑Koch视觉注意计算模型计算得到花卉图像的显著性区域，再使用卷积神经网络在花卉图像显著性区域上提取显著性区域特征，将全局特征与显著性区域特征相融合，用于花卉图像的精细分类。本发明提出的一种结合显著性区域的卷积神经网络的花卉图像分类方法克服了卷积神经网络直接在原始图像上提取特征时背景复杂性的影响，具有较强的实用性。 | ||
| 搜索关键词： | 显著性 卷积神经网络 花卉 图像分类 图像 区域特征 全局特征 计算模型 精细分类 视觉注意 提取特征 原始图像 再使用 融合 | ||
【主权项】：
1.一种结合显著性区域的卷积神经网络的花卉图像分类方法，其特征在于，按照如下步骤实现：步骤S1：采用基于Itti‑Koch视觉注意力模型计算花卉原始图像对应的花卉图像显著图；步骤S2：计算花卉图像显著性区域；步骤S3：在所述花卉原始图像、所述花卉图像显著性区域上分别训练卷积神经网络；步骤S4：通过采用完成训练的卷积神经网络，分别对所述花卉原始图像和所述花卉图像显著性区域提取特征；步骤S5：进行特征融合；步骤S6：对图像进行分类。
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福州大学，未经福州大学许可，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/201810087389.6/，转载请声明来源钻瓜专利网。
