- 专利标题： 基于深度残差二维随机配置网络的轻量型图像识别方法
-
申请号： CN202310916579.5申请日： 2023-07-24
-
公开(公告)号： CN116958783B公开(公告)日： 2024-02-27
- 发明人: 焦文华 , 李瑞林 , 周紫玥 , 朱永军 , 骆园 , 于博
- 申请人： 中国矿业大学
- 申请人地址： 江苏省徐州市铜山区大学路1号
- 专利权人： 中国矿业大学
- 当前专利权人： 中国矿业大学
- 当前专利权人地址： 江苏省徐州市铜山区大学路1号
- 代理机构： 北京知艺互联知识产权代理有限公司
- 代理商 陈艳
- 主分类号： G06V10/82
- IPC分类号： G06V10/82 ; G06V20/68 ; G06N3/0464 ; G06N3/048 ; G06N3/082 ; G06N3/09
摘要：
本发明公开了基于深度残差二维随机配置网络的轻量型图像识别方法，涉及快速建模识别方法领域，包括以下步骤：S1：获取图像数据集；S2：逐层建立轻量型图像识别网络；S3：设置每层容差为建立新层的条件，并构建残差连接作为新层输入。本发明采用上述步骤，使用图像直接作为建模数据，保留图像的完整空间位置信息，引入深度残差随机配置神经网络，克服了单层网络学习能力不足和网络随着层数加深导致原始信息丢失的问题，并且在深度残差随机配置神经网络的层数和每层节点设置上，采用自适应算法设置，达到根据任务复杂度自动选择层数和每层节点数，克服了现有方法需要反复实验和先验经验来调整层数和节点数的缺点，大大提高了效率和
公开/授权文献
- CN116958783A 基于深度残差二维随机配置网络的轻量型图像识别方法 公开/授权日：2023-10-27
