[发明专利]采用3D批归一化的三维（3D）卷积在审
| 申请号： | 201910749196.7 | 申请日： | 2016-08-15 |
| 公开（公告）号： | CN110688891A | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | R·佐赫尔;熊蔡明;戴凯升 | 申请（专利权）人： | 易享信息技术有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/00 |
| 代理公司： | 11336 北京市磐华律师事务所 | 代理人： | 娄晓丹 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 所公开的技术使用配备有所谓子网络模块的3D深度卷积神经网络体系架构(DCNNA)，其在3D放射体经受计算昂贵的操作之前对3D放射体执行降维操作。此外，子网络通过使3D数据经受不同的3D卷积层路径的并行处理而以多尺度卷积3D数据。这种多尺度操作在计算上比传统的执行串行卷积的CNN便宜。此外，通过3D批归一化(BN)进一步提高子网络的性能，所述3D批归一化将馈送到子网络的3D输入归一化，这反过来又提高了3D DCNNA的学习速率。在跨越一系列子网络模块进行几层3D卷积和3D子采样之后，从3D放射体生成具有降低垂直维度的特征图谱并且馈送到一个或更多个全连接层。 | ||
| 搜索关键词： | 子网络 卷积 放射体 归一化 多尺度 卷积神经网络 并行处理 垂直维度 技术使用 降维操作 特征图谱 体系架构 传统的 连接层 子采样 配备 学习 | ||
【主权项】：
1.一种在神经网络中对三维3D数据进行分类的计算机实现的方法，所述方法包括：/n接收表征输入放射体的三维3D数据；/n使用神经网络处理表征所述输入放射体的所述3D数据，其中所述神经网络包括以从最低到最高的序列布置的多个子网络，并且其中所述使用神经网络处理所述3D数据包括通过所述序列中的每个所述子网络处理所述数据；/n其中每个所述子网络被配置为：/n接收由所述序列中的先前子网络生成的先前输出表示；/n通过变化的卷积体的多个并行3D卷积层路径来处理所述先前输出表示；/n通过并行的池化路径进一步处理所述先前输出表示；以及/n级联所述3D卷积层路径和所述并行的池化路径的输出，以生成来自每个所述子网络的输出表示；/n在通过所述子网络处理所述数据之后，通过池化层处理最高子网络的输出，以从所述输入放射体生成降低垂直维度的输出；以及/n基于所生成的降低垂直维度的输出对所接收到的3D数据进行分类。/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易享信息技术有限公司，未经易享信息技术有限公司许可，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/201910749196.7/，转载请声明来源钻瓜专利网。
