基于深度网络和稀疏Fisher矢量的图像分类方法
授权
摘要
本发明提出了一种基于深度网络和稀疏Fisher矢量的图像分类方法，旨在解决现有技术中存在的的准确率较低的技术问题，实现步骤为：获取训练数据集和待分类数据集；构建深度神经网络A，对深度神经网络A进行训练，得到深度神经网络B；提取深度神经网络B中第二个全连接层的图像特征，对特征建立高斯混合模型Z1，然后对Z1中的特征向量进行稀疏Fisher矢量编码；用稀疏Fisher编码后的特征对应的图像对深度神经网络B进行训练，得到深度神经网络C；将待分类数据集输入深度神经网络C进行图像分类。本发明提高了分类的准确率和分类效率，可用于对医疗和交通等领域图像的分类。
基本信息
专利标题 ：
基于深度网络和稀疏Fisher矢量的图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110210562A
申请号 ：
CN201910473936.9
公开（公告）日 ：
2019-09-06
申请日 ：
2019-06-02
授权号 ：
CN110210562B
授权日 ：
2022-06-10
发明人 ：
田小林王凤鸽张杨张杰孟令研焦李成
申请人 ：
西安电子科技大学
申请人地址 ：
陕西省西安市雁塔区太白南路2号
代理机构 ：
陕西电子工业专利中心
代理人 ：
陈宏社
优先权 ：
CN201910473936.9
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06K9/46 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-10 ：
授权
2019-10-08 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20190602
申请日 : 20190602
2019-09-06 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
