[发明专利]基于特征金字塔与全局平均池化的细粒度图像分类方法有效
申请号: | 201910899445.0 | 申请日: | 2019-09-23 |
公开(公告)号: | CN110619369B | 公开(公告)日: | 2020-12-11 |
发明(设计)人: | 龚声蓉;周少雄;王朝晖;应文豪;李菊 | 申请(专利权)人: | 常熟理工学院 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 张俊范 |
地址: | 215500 江*** | 国省代码: | 江苏;32 |
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特征金字塔与全局平均池化的细粒度图像分类方法,包括以下步骤:步骤1、图像输入预训练的卷积神经网络的卷积层得到多通道的特征图;步骤2、所述多通道的特征图经过全局平均池化层,得到输入图像的显著图,提取目标的位置信息;步骤3、特征金字塔网络提取多通道的特征图的特征并进行预测得到信息量最大的K个局部区域;步骤4、聚合所述K个局部区域的局部特征和输入图像经过所述卷积神经网络得到的全局特征预测输出最终的识别类别。本发明方法减少背景噪声影响,增强局部区域选择鲁棒性,提高识别精度。 | ||
搜索关键词: | 基于 特征 金字塔 全局 平均 细粒度 图像 分类 方法 | ||
【主权项】:
1.一种基于特征金字塔与全局平均池化的细粒度图像分类方法,其特征在于,包括以下步骤:/n步骤1、图像输入预训练的卷积神经网络的卷积层得到多通道的特征图;/n步骤2、所述多通道的特征图经过全局平均池化层,得到输入图像的显著图,提取目标的位置信息;/n步骤3、特征金字塔网络提取多通道的特征图的特征并进行预测得到信息量最大的K个局部区域;/n步骤4、聚合所述K个局部区域的局部特征和输入图像经过所述卷积神经网络得到的全局特征预测输出最终的识别类别。/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常熟理工学院,未经常熟理工学院许可,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/201910899445.0/,转载请声明来源钻瓜专利网。