一种基于迁移学习改进的卷积神经网络图像识别方法
实质审查的生效
摘要
本发明公开了一种基于迁移学习改进的卷积神经网络图像识别方法，包括构建原始图像集，利用显著性检测方法对原始图像集进行提取，获得显著区域图像集；利用显著区域图像集构造过滤器集；利用迁移学习方法构建卷积神经网络训练模型，并对卷积神经网络进行训练；利用训练后的卷积神经网络和过滤器集识别显著区域图像集，获得图像深度特征。本发明通过显著性检测，有效地去除图片背景的影响，抑制干扰区域的信息，并使用迁移学习方法，只需对原始训练模型的参数进行微调，即可应用于特定区域的图像识别，既可以减少训练所需的数据量，也消除了卷积神经网络在参数计算方面的不足，节省训练时间，提高了算法的图像识别性能。
基本信息
专利标题 ：
一种基于迁移学习改进的卷积神经网络图像识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114419341A
申请号 ：
CN202210067935.6
公开（公告）日 ：
2022-04-29
申请日 ：
2022-01-20
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
庹玉龙马立王莎莎刘井响孙董杰周旭光康彩霞戴东辰
申请人 ：
大连海事大学
申请人地址 ：
辽宁省大连市甘井子区凌水街道凌海路1号
代理机构 ：
大连至诚专利代理事务所(特殊普通合伙)
代理人 ：
张海燕
优先权 ：
CN202210067935.6
主分类号 ：
G06V10/46
IPC分类号 ：
G06V10/46 G06V10/26 G06V10/82 G06N3/04 G06N3/08
法律状态
2022-05-20 ：
实质审查的生效
IPC(主分类) : G06V 10/46
申请日 : 20220120
申请日 : 20220120
2022-04-29 ：
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
