公开(公告)号：CN106485279A

公开(公告)日：2017-03-08

申请号：CN201610895130.5

申请日：2016-10-13

Applicant: 东南大学

Inventor： 伍家松 ,  邱诗洁 ,  魏黎明 ,  孔佑勇 ,  姜龙玉 ,  朱小贝 ,  舒华忠

IPC: G06K9/62 ,  G06K9/46

CPC classification number: G06K9/4647 ,  G06K9/6256 ,  G06K9/6267

Abstract: 本发明公开了一种基于Zernike矩网络的图像分类方法，包括以下步骤：(1)输入并预处理训练图像和测试图像，得到输入图像的局部特征矩阵，建立一个两层的基于Zernike矩的网络，得到训练图像和测试图像的主特征向量；(2)用获得的训练图像的主特征向量训练分类器，将测试图像的主特征向量输入已经训练好的分类器中进行分类，计算出分类正确率。本发明通过构造一个两层的基于Zernike矩的网络，利用Zernike矩的旋转不变性，能够获得图像的旋转不变的特征和图像的非线性特征，使得对图像特征的描述更精准，分类也更为准确。对于图像分类问题，尤其是对于具有旋转特征的图像的分类问题有着更高的分类正确率。

公开(公告)号：CN106919710A

公开(公告)日：2017-07-04

申请号：CN201710144714.3

申请日：2017-03-13

Applicant: 东南大学

Inventor： 伍家松 ,  魏黎明 ,  邱诗洁 ,  杨淳沨 ,  孔佑勇 ,  朱小贝 ,  舒华忠

IPC: G06F17/30 ,  G06N3/08

CPC classification number: G06F17/30752 ,  G06F17/30268 ,  G06F17/3028 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的方言分类方法，包括如下步骤：(1)建立包含多地方言的样本集，对样本进行预处理，并进行标注；(2)将训练集和测试集中的所有图片缩放成预定大小的彩色图，并为每张图片赋予标签信息，标签信息表示对应的图片所属的县级市；(3)建立卷积神经网络，卷积神经网络各层次依次为输入层、多个卷积层、全连接层和输出层，使用梯度下降法和反向传播算法训练所属卷积神经网络；(4)训练完成后，得到训练过程中的错误率下降趋势图。本发明的有益效果为：使用卷积神经网络对二维图像进行分类，可取得良好的分类效果，很大程度上提高对方言的分类准确率。