[发明专利]一种基于特征融合的自适应权重深度学习目标分类方法有效
| 申请号： | 201910189578.9 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109886357B | 公开（公告）日： | 2022-12-13 |
| 发明（设计）人： | 王立鹏;张智;朱齐丹;夏桂华;苏丽;栗蓬;聂文昌 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/80;G06V10/50;G06V10/82 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的是一种基于特征融合的自适应权重深度学习目标分类方法。目标粗检测；提取图像卷积特征和HOG特征，对HOG特征扩维处理；将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；建立基于精准二分类网络集的多目标分类框架。本发明将图像卷积特征与HOG特征融合，提取图像特征的自适应权重向量，设计深度学习网络构型和参数，构建精准的分类网络，该网络通过降低得分阈值来得到更多的候选框，提高目标检测的召回率；通过设计多个二分类网络，在多分类问题上具有更高的准确率。 | ||
| 搜索关键词： | 一种 基于 特征 融合 自适应 权重 深度 学习 目标 分类 方法 | ||
【主权项】：
1.一种基于特征融合的自适应权重深度学习目标分类方法，其特征是包括如下步骤：(1)、目标粗检测；(2)、提取图像卷积特征和HOG特征，对HOG特征扩维处理；(3)、将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；(4)、计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；(5)、建立基于精准二分类网络集的多目标分类框架。
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910189578.9/，转载请声明来源钻瓜专利网。
