基于特征融合的深度学习场景识别方法

    公开(公告)号:CN110222755A

    公开(公告)日:2019-09-10

    申请号:CN201910459987.6

    申请日:2019-05-30

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明涉及一种基于特征融合的深度学习场景识别方法,本发明利用深度卷积神经网络,首先选择VGG16模型第4个卷积模块的最后一个卷积操作输出的特征图F,然后对选择的特征图F依次进行1次卷积和2次线性变换操作,最终将特征图F转换成512维的列向量,然后将512维的列向量与VGG16第一个全连接层输出的4096维特征向量进行级联融合,将融合后的4608维的特征向量x输入到下一个全连接层中,最终获得模型对场景图像的预测结果。该方法不仅在公开的场景图像数据集Scene-15上取得较好的分类效果同时在我们构建的电力场景图像数据集上也取得较高的分类准确率。

    一种图片数字水印定位装置

    公开(公告)号:CN210652295U

    公开(公告)日:2020-06-02

    申请号:CN201921071547.5

    申请日:2019-07-10

    IPC分类号: B41F17/00

    摘要: 本实用新型提供一种图片数字水印定位装置,包括横向固定架、纵向定位杆、横向定位杆、纵向固定架、调节架、拉栓、伸缩架一、伸缩架二以及固定连接板,定位板上端面后侧固定有横向固定架,横向固定架前端面右侧连接有纵向定位杆,横向定位杆前端面左侧固定有纵向固定架,纵向固定架右端面前侧连接有横向定位杆,活动架右端面固定有固定连接板,固定连接板环形侧面安装有伸缩架二,伸缩架二环形侧面安装有伸缩架一,伸缩架一环形侧面安装有调节架,调节架上端面固定有拉栓,该设计解决了原有图片数字水印在使用时不便于进行定位影响使用的问题,本实用新型结构合理,便于组合安装,定位精确,使用效果好。