[发明专利]一种基于深度显著性相似图学习的图像分类方法及装置在审

专利信息
申请号: 201910559430.X 申请日: 2019-06-26
公开(公告)号: CN110263799A 公开(公告)日: 2019-09-20
发明(设计)人: 于治楼;计晓贇;袭肖明 申请(专利权)人: 山东浪潮人工智能研究院有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06N3/04
代理公司: 济南信达专利事务所有限公司 37100 代理人: 冯春连
地址: 250100 山东省济南市高新*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开一种基于深度显著性相似图学习的图像分类方法,涉及图像处理技术领域,包括训练部分和分类部分;在训练部分,首先采集图像,随后以全卷积神经网络为基础构建显著性学习模型,将图像输入显著性学习模型后获取图像显著性区域的目标信息,其次深度学习显著性区域的目标信息,构建显著性相似图,然后将显著性相似图输入图卷积神经网络,完成图像分类,最后,学习图像的显著性相似图和分类结果,多次训练并构建图卷积神经网络模型;在分类部分,将待分类图像的显著性相似图直接输入图卷积神经网络模即可得到分类结果,分类难度低,分类后的图像具有更好的区分性。本发明还公开一种基于深度显著性相似图学习的图像分类装置。
搜索关键词: 显著性 图像分类 分类 学习 分类结果 目标信息 神经网络 构建 卷积神经网络 神经网络模型 图像处理技术 图像分类装置 采集图像 分类图像 获取图像 基础构建 图像输入 学习图像 区分性 图像
【主权项】:
1.一种基于深度显著性相似图学习的图像分类方法,其特征在于,该分类方法包括:(一)训练部分:步骤一、采集图像,所采集图像作为样本图像;步骤二、以全卷积神经网络为基础构建显著性学习模型,将图像输入显著性学习模型后,获取图像显著性区域的目标信息;步骤三、深度学习显著性区域的目标信息,构建显著性相似图;步骤四、将显著性相似图输入图卷积神经网络,完成图像分类;步骤五、循环执行步骤一至步骤四,学习图像的显著性相似图和分类结果多次训练并构建图卷积神经网络模型;(二)分类部分:步骤一、采集图像,所采集图像作为待分类图像;步骤二、将采集图像输入显著性学习模型,获取图像显著性区域的目标信息;步骤三、深度学习显著性区域的目标信息,构建显著性相似图;步骤四、将显著性相似图输入图卷积神经网络模型,获取图像的分类结果。
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山东浪潮人工智能研究院有限公司,未经山东浪潮人工智能研究院有限公司许可,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/201910559430.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top