[发明专利]基于卷积神经网络的煤岩壳质组显微图像分类方法及系统在审
| 申请号： | 201910395781.1 | 申请日： | 2019-05-13 |
| 公开（公告）号： | CN110097027A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 王培珍;刘婕梅;笪子凯 | 申请（专利权）人： | 安徽工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 合肥昊晟德专利代理事务所(普通合伙) 34153 | 代理人： | 王林 |
| 地址： | 243032 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于卷积神经网络的煤岩壳质组显微图像分类方法及系统，包括以下步骤：S1：将显微图像输入网络模型；S2：提取语义特征；S3：分析各语义特征的分类精度。在所述步骤S1中，卷积神经网络模型是一个分层系统，所述分层系统包括多个非线性神经元，所述卷积神经网络模型包括卷积层、池化层和全连接层，所述卷积层用于对输入数据进行特征提取，所述池化层用于进行特征选择和信息过滤，所述全连接层用于向其它全连接层传递信号。本发明中的卷积神经网络模型直接以原始图像作为输入，对数据进行高层抽象建模，构建复杂的高维空间信息，从训练样本中自动学习特征，从而实现图像语义特征的隐式抽取。 | ||
| 搜索关键词： | 卷积神经网络 显微图像 连接层 分层系统 语义特征 壳质组 池化 卷积 煤岩 分类 非线性神经元 图像语义特征 抽象建模 传递信号 高维空间 输入网络 特征提取 特征选择 信息过滤 训练样本 原始图像 自动学习 构建 隐式 抽取 高层 分析 | ||
【主权项】：
1.基于卷积神经网络的煤岩壳质组显微图像分类方法，其特征在于，包括以下步骤：S1：将显微图像输入网络模型将煤岩壳质组显微图像输入到不同的卷积神经网络模型；S2：提取语义特征从LeNet模型中卷积层Conv2和全连接层Ip1和Ip2的特征层以及VGG19模型中全连接层Fc6、Fc7和Fc8的特征层中提取相应的语义特征；S3：分析各语义特征的分类精度构建支持向量机分类器进行分类实验，分析由不同网络模型的特征层所提取语义特征的分类精度。
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安徽工业大学，未经安徽工业大学许可，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/201910395781.1/，转载请声明来源钻瓜专利网。
