[發明專利]一種基于卷積神經網絡的目標分類方法有效
| 申請號： | 201811544116.6 | 申請日： | 2018-12-17 |
| 公開（公告）號： | CN109784372B | 公開（公告）日： | 2020-11-13 |
| 發明（設計）人： | 陳禾;魏鑫;賈明飛;劉文超;陳亮 | 申請（專利權）人： | 北京理工大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 代理公司： | 北京理工大學專利中心 11120 | 代理人： | 郭德忠;李愛英 |
| 地址： | 100081 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 卷積 神經網絡 目標 分類 方法 | ||
1.一種基于卷積神經網絡的目標分類方法，其特征在于，包括以下步驟：
S1：獲取大小為M×M的目標圖像；
S2：采用大小為(M-N+1)×(M-N+1)的滑窗從目標圖像的左上角開始逐行逐列遍歷整幅目標圖像，其中，每次遍歷時，滑窗均從目標圖像中提取滑窗內的像素點作為子圖像，則子圖像的個數為N×N；其中，N為卷積神經網絡中所采用的卷積核的大小，且大小為N×N的卷積核包括N×N個預設特征參數；
S3：將卷積核的第一個預設特征參數與第一幅子圖像的各個像素點相乘，得到第一幅中間圖像，以此類推，將卷積核剩余的預設特征參數逐一與剩余的子圖像的各個像素點相乘，得到N×N幅中間圖像，其中，中間圖像的大小為(M-N+1)×(M-N+1)；
S4：將N×N幅中間圖像對應像素點進行求和，得到特征輸出圖像，大小為(M-N+1)×(M-N+1)；
S5：對特征輸出圖像進行池化操作，得到大小為(M-N+1)/2×(M-N+1)/2的采樣圖像；
S6：采用設定的全連接層對所述采樣圖像進行分類，具體包括以下步驟：
所述設定的全連接層為[(M-N+1)/2]2行X列的權值矩陣，其中，X為圖像種類數，權值矩陣的每一行分別對應一個不同的預設識別特征，權值矩陣的每一列分別對應一個不同的圖像種類，且每一列中的元素值表示該列對應的圖像種類的預設識別特征的權重；
將所述采樣圖像的第一個像素點與權值矩陣的第一行相乘，得到一個1行X列的緩存矩陣；
以此類推，逐行逐列遍歷采樣圖像的所有像素點，得到[(M-N+1)/2]2個1行X列的緩存矩陣；
將所有緩存矩陣對應相加，得到1行X列的輸出矩陣；
將輸出矩陣中最大值所在列對應的圖像種類，作為采樣圖像的所屬類別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京理工大學，未經北京理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811544116.6/1.html，轉載請聲明來源鉆瓜專利網。
