[發明專利]用于多問題求解的異構卷積神經網絡在審
| 申請號： | 201910168716.5 | 申請日： | 2019-03-06 |
| 公開（公告）號： | CN110232304A | 公開（公告）日： | 2019-09-13 |
| 發明（設計）人： | I·F·G·曼蘇爾;H·B·塞弗特 | 申請（專利權）人： | 德韌營運有限責任公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 廣州嘉權專利商標事務所有限公司 44205 | 代理人： | 林偉峰 |
| 地址： | 美國密*** | 國省代碼： | 美國;US |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 輸入圖像 子網絡 異構 表示數據 對象檢測 對象類別 分割數據 復雜特征 復雜形狀 簡單形式 接收系統 數據輸出 特征提取 問題求解 垂直線 第一層 堆疊層 對象表 后續層 激活層 像素級 網格 池化 堆疊 卷積 色塊 拾取 創建 捕獲 集合 視覺 分割 分類 檢測 學習 | ||
1.一種異構卷積神經網絡(HCNN)系統，包括：
特征提取層(FEL)部分，其接收輸入圖像，所述FEL部分進行學習操作以學習表示所述輸入圖像的第一階段數據且將所述第一階段數據輸出至以下兩者：
直接從所述FEL部分接收所述第一階段數據且執行第一任務的第一子網絡；和
直接從所述FEL部分接收所述第一階段數據且執行第二任務的第二子網絡。
2.根據權利要求1所述的HCNN系統，其中所述第一階段數據包括從所述輸入圖像捕獲的第一特征映射。
3.根據權利要求2所述的HCNN系統，其中所述第一子網絡包括第一卷積與池化層(CPL)部分，其接收所述第一階段數據且捕獲第二階段數據。
4.根據權利要求3所述的HCNN系統，其中所述第二階段數據包括不同于所述第一特征映射的第二特征映射。
5.根據權利要求4所述的HCNN系統，其中所述第一子網絡包括第二卷積與池化層(CPL)部分，其接收所述第二階段數據且捕獲第三階段數據。
6.根據權利要求5所述的HCNN系統，其中所述第三階段數據包括不同于所述第一特征映射和所述第二特征映射的第三特征映射。
7.根據權利要求6所述的HCNN系統，其中所述第二階段數據和所述第三階段數據兩者輸入至所述第二子網絡中。
8.根據權利要求6所述的HCNN系統，其中所述第二子網絡包括第三卷積層與池化層(CPL)部分、第四卷積層與池化層(CPL)部分和第五卷積層與池化層(CPL)部分。
9.根據權利要求8所述的HCNN系統，其中所述第三CPL部分接收所述第一階段數據，所述第四CPL部分接收所述第二階段數據，且所述第五CPL部分接收所述第三階段數據。
10.根據權利要求9所述的HCNN系統，其中來自所述第三CPL部分、所述第四CPL部分和所述第五CPL部分的輸出包括像素級分割，并且被組合成分割數據集。
11.根據權利要求6所述的HCNN系統，其中所述第一階段數據、所述第二階段數據和所述第三階段數據被輸入至全連接層中，該全連接層確定由所述第一階段數據、所述第二階段數據和所述第三階段數據識別的對象的多個置信水平。
12.根據權利要求11所述的HCNN系統，其中所述全連接層將所述多個置信水平傳達至非最大抑制模塊，所述非最大抑制模塊將所述多個置信水平減少至所述對象的單個置信水平。
13.根據權利要求1所述的HCNN系統，其中所述第一任務包括對所述輸入圖像中的對象執行對象檢測、分類、置信和定位以創建檢測到的對象表。
14.根據權利要求1所述的HCNN系統，其中所述第二任務包括定義像素級分割以創建分割數據集。
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德韌營運有限責任公司，未經德韌營運有限責任公司許可，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/201910168716.5/1.html，轉載請聲明來源鉆瓜專利網。
