[发明专利]一种基于ODE求解器自适应的场景分类方法在审
| 申请号： | 201910745244.5 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110598746A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 余磊;袁琼雯;何敬伟;罗美露 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 罗飞 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 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ODE求解器自适应的场景分类方法，首先基于后向欧拉逼近的方法构造神经网络，然后对构造的神经网络进行训练获得分类器；接着将待分类图像输入分类器，通过分类器的卷积层调整维数、特征提取模块提取待分类图像的特征、池化层进行池化操作、全连接层将分布式特征映射到样本空间，最后通过softmax层求解输入的待分类图像属于不同类别的概率；最后，选择待分类图像在不同场景类别下概率最高的类别作为分类器的输出结果，从而得到待分类图像所属的场景类别。本发明的方法可以提高分类的精度，改善分类效果。 | ||
| 搜索关键词： | 分类图像 分类器 神经网络 池化 特征提取模块 场景 分布式特征 输入分类器 场景分类 分类效果 输出结果 样本空间 连接层 求解器 自适应 概率 后向 卷积 求解 维数 映射 逼近 分类 | ||
【主权项】：
1.一种基于ODE求解器自适应的场景分类方法，其特征在于，包括：/n步骤S1：基于后向欧拉逼近的方法构造神经网络，其中，构造的神经网络包括卷积层、特征提取模块、池化层、全连接层和softmax层；/n步骤S2：对构造的神经网络进行训练获得分类器；/n步骤S3：将待分类图像输入分类器，通过分类器的卷积层调整维数、特征提取模块提取待分类图像的特征、池化层进行池化操作、全连接层将分布式特征映射到样本空间，最后通过softmax层求解输入的待分类图像属于不同类别的概率；/n步骤S4：选择待分类图像在不同场景类别下概率最高的类别作为分类器的输出结果，输出结果为该待分类图像所属的场景类别。/n
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武汉大学，未经武汉大学许可，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/201910745244.5/，转载请声明来源钻瓜专利网。
