[发明专利]静态图像行为识别的卷积神经网络模型在审
| 申请号： | 201910994597.9 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110751091A | 公开（公告）日： | 2020-02-04 |
| 发明（设计）人： | 于祥春;张哲;吴垒;庞巍;陈贺昌;于哲舟;李斌 | 申请（专利权）人： | 江西理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 13128 石家庄轻拓知识产权代理事务所(普通合伙) | 代理人： | 王占华 |
| 地址： | 341000 *** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种静态图像行为识别的卷积神经网络模型，涉及图像处理方法技术领域。所述模型包括：VGG16卷积层模块，用于对输入的图像进行处理；多分支卷积层模块，用于通过不同的分支来分别学习VGG16卷积层模块最后一层输出的特征，该模块的卷积层权重在训练过程中随机初始；softmax分类器层模块，用于对三分支卷积层模块输出的特征进行分类。所述模型可以更加有效的探索VGG16卷积层模块通道中的信息，而且可起到了微调神经网络中最高层权重的效果；因此，可以更加有效的辨识出单幅静态人类行为图像中的动作信息。 | ||
| 搜索关键词： | 卷积 卷积神经网络 图像 动作信息 静态图像 模块输出 模块通道 人类行为 神经网络 图像处理 行为识别 训练过程 多分支 分类器 辨识 权重 微调 输出 分类 探索 学习 | ||
【主权项】：
1.一种静态图像行为识别的卷积神经网络模型，其特征在于包括：/nVGG16卷积层模块，用于对输入的图像进行多次的卷积和池化处理，提取具有判别性的深度特征；/n多分支卷积层模块，用于通过不同的分支来分别学习VGG16卷积层模块最后一层输出的特征，该模块的卷积层权重在训练过程中随机初始；/nsoftmax分类器层模块，用于对三分支卷积层模块输出的特征进行分类。/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江西理工大学，未经江西理工大学许可，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/201910994597.9/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
