一种基于网络增长和逼近论的图像分类方法
公开
摘要
本发明涉及一种基于网络增长和逼近论的图像分类方法，属于深度学习领域。使用神经网络对图像分类时，由于网络学习能力和数据集噪声等影响，在图像数据集的样本空间某些区域必然存在误差。本发明从该问题出发，利用逼近论的思想，对每个存在误差的区域使用本发明设计的自适应网络补偿误差，通过增加整体网络规模将样本空间所有误差区域的误差均下降到0。每个增加的自适应网络根据输入图像大小、通道数和样本空间划分数按照预先设计的神经元单元堆叠形成。本方法和逼近论结合，适用于动态变化的数据集，通过网络增长不断学习图像数据集特征，迭代减小分类误差，提高图像数据集分类正确率，减少参数训练次数，加快图像分类速度。
基本信息
专利标题 ：
一种基于网络增长和逼近论的图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565796A
申请号 ：
CN202210202362.3
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-03
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘波张翔宇
申请人 ：
北京工业大学
申请人地址 ：
北京市朝阳区平乐园100号
代理机构 ：
北京思海天达知识产权代理有限公司
代理人 ：
张慧
优先权 ：
CN202210202362.3
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/06 G06N3/08
法律状态
2022-05-31 ：
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
