[发明专利]一种基于特征融合的图像识别方法在审
| 申请号： | 201910938732.8 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110674884A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 李雪;李锐;于治楼 | 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： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N3/04;G06N3/08 |
| 代理公司： | 37100 济南信达专利事务所有限公司 | 代理人： | 郗艳荣 |
| 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： | 本发明特别涉及一种基于特征融合的图像识别方法。该基于特征融合的图像识别方法，将深度特征提取提取到的特征和人工设计特征提取到的特征进行特征融合，兼顾高层次的结构化信息以及底层细节信息，从而使特征语义性更高，分类能力更强。该基于特征融合的图像识别方法，基于小规模数据集在直接利用深度学习进行分类时训练不足的问题，利用深度学习自主学习训练的优势，提取网络中间层特征对图像进行表示，同时数据较少的前提下选取深层次网络造成的信息丢失问题，融合底层人工设计网络进行信息弥补，完善了图像的特征表达，有效提高了传统分类方法中特征的表达能力和小规模数据集的识别分类能力。 | ||
| 搜索关键词： | 特征融合 图像识别 分类能力 人工设计 数据集 图像 结构化信息 传统分类 深度特征 特征表达 特征提取 特征语义 细节信息 信息丢失 学习训练 次网络 中间层 网络 融合 学习 分类 | ||
【主权项】：
1.一种基于特征融合的图像识别方法，其特征在于，包括以下步骤：/n第一步，深度特征提取/n合理划分数据集，利用训练集训练深度网络，优化网络参数，利用验证集防止训练模型过拟合，得到训练后的深度特征提取模型；利用深度学习的优势，在小规模数据集中提取网络中间层特征对图像进行表示；/n第二步，人工设计特征提取/n为避免选取深层次网络造成的信息丢失问题，利用深度网络模型提取的图像深度特征，提取图像的人工设计特征，即颜色和边缘方向特征描述符CEDD特征；/n第三步，特征融合/n将深度特征提取提取到的特征和人工设计特征提取到的特征进行特征融合，兼顾高层次的结构化信息以及底层细节信息，从而使特征语义性更高，分类能力更强。/n第四步，完成预测分类工作。/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/201910938732.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于k近邻和概率选择主动学习方法
- 下一篇：一种病灶匹配方法及装置
