-
公开(公告)号：CN109685119B
公开(公告)日：2023-05-23
申请号：CN201811500515.2
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06N3/0464
Abstract: 本发明公开一种针对含有噪声图像分类的新型深度卷积神经网络方法，主要特点在于采用了随机最大值池化这一新的池化方法。随机最大值池化方法随机选取感受野范围内前n个较大值作为池化结果，首先将感受野范围内的所有值进行排序，选出前n个较大值；然后在前n个较大值中随机选取一个值作为池化结果。随机最大值池化方法结合了最大池化方法和随机池化方法的特点，既能保留感受野内主要特征信息，又能提高网络对感受野内噪声的抑制作用。本发明在CIFAR‑10，SVHN和MNIST数据集上进行验证，取得较好效果。
-
公开(公告)号：CN109685119A
公开(公告)日：2019-04-26
申请号：CN201811500515.2
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
CPC classification number: G06K9/6268 , G06N3/0454
Abstract: 本发明公开一种针对含有噪声图像分类的新型深度卷积神经网络方法，主要特点在于采用了随机最大值池化这一新的池化方法。随机最大值池化方法随机选取感受野范围内前n个较大值作为池化结果，首先将感受野范围内的所有值进行排序，选出前n个较大值；然后在前n个较大值中随机选取一个值作为池化结果。随机最大值池化方法结合了最大池化方法和随机池化方法的特点，既能保留感受野内主要特征信息，又能提高网络对感受野内噪声的抑制作用。本发明在CIFAR-10，SVHN和MNIST数据集上进行验证，取得较好效果。
-
公开(公告)号：CN109685118A
公开(公告)日：2019-04-26
申请号：CN201811500514.8
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/627 , G06K2209/23
Abstract: 一种基于卷积神经网络特征的弱分类器Adaboost车辆检测方法，针对基于卷积神经网络的车辆检测识别率高，但由于网络结构复杂带来的实时性不好的问题，设计一种高效鲁棒的车辆检测方法，首先建立一个较浅层的卷积神经网络来提取车辆特征，然后利用弱分类器Adaboost在卷积神经网络提取的特征空间中完成分类，最终完成车辆检测。本发明方法有效利用CNN强大的特征提取能力和弱分类器Adaboost的快速分类能力，同时又避免了深度的CNN训练与使用中运算量大的缺陷。通过自建数据数据集上与已有传统的CNN算法、Gabor+SVM算法、HOG+SVM算法进行了比对实验，本文提出的算法表现最好，实时性更好，准确率也高达98.1％，较好地解决了车辆检测问题。
-
-
Search Results
3
records
(took 0.028 seconds)
