-
公开(公告)号：CN108734222A
公开(公告)日：2018-11-02
申请号：CN201810509416.4
申请日：2018-05-24
申请人： 西南大学
IPC分类号： G06K9/62
摘要： 本发明公开一种基于校对网络的卷积神经网络图像分类方法，在传统单结构的卷积神经网络基础上构建一个反卷积运算网络作为校对网络，校对网络的第一个反卷积层连接工作网络的校对层，校对网络的校对向量输出层与所述工作网络的特征值尾层经比对函数连接，所述校对层为所述工作网络的任意卷积层或全连接层，所述特征值尾层为输出分类向量或分类结果的一层，校对结果从所述特征值尾层开始从后往前倒序调节工作网络每个网络层参数。有益效果：利用反卷积对卷积神经网络运算过程中的图像数据进行还原，还原的结果与卷积神经网络的处理结果进行比对，若出现误差，则把误差反馈给原有卷积神经网络，使之得到更好的训练学习，从而提高图像处理的准确度。
-
公开(公告)号：CN108985316A
公开(公告)日：2018-12-11
申请号：CN201810509412.6
申请日：2018-05-24
申请人： 西南大学
摘要： 本发明公开一种改进重构网络的胶囊网络图像分类识别方法：S1，构建胶囊网络；S2，输入图像训练集合至所述胶囊网络，所述胶囊网络经训练学习后完成图像分类识别校准；S3，输入待分类图像至所述胶囊网络，所述工作网络的输出向量vj中数值最大的一个即为得到的识别结果；S4，所述胶囊网络输出所述待分类图像的识别结果；其中胶囊网络的重构网络结构为反卷积操作。有益效果：提出了一种新的重构网络结构，通过反卷积操作把向量还原为图像，对比还原的图像和原始图像的误差来调节网络参数，减小了计算参数量，为硬件设备空出了更多运行内存。
-
公开(公告)号：CN108734222B
公开(公告)日：2021-06-15
申请号：CN201810509416.4
申请日：2018-05-24
申请人： 西南大学
IPC分类号： G06K9/62
摘要： 本发明公开一种基于校对网络的卷积神经网络图像分类方法，在传统单结构的卷积神经网络基础上构建一个反卷积运算网络作为校对网络，校对网络的第一个反卷积层连接工作网络的校对层，校对网络的校对向量输出层与所述工作网络的特征值尾层经比对函数连接，所述校对层为所述工作网络的任意卷积层或全连接层，所述特征值尾层为输出分类向量或分类结果的一层，校对结果从所述特征值尾层开始从后往前倒序调节工作网络每个网络层参数。有益效果：利用反卷积对卷积神经网络运算过程中的图像数据进行还原，还原的结果与卷积神经网络的处理结果进行比对，若出现误差，则把误差反馈给原有卷积神经网络，使之得到更好的训练学习，从而提高图像处理的准确度。
-
-
公开(公告)号：CN108985316B
公开(公告)日：2022-03-01
申请号：CN201810509412.6
申请日：2018-05-24
申请人： 西南大学
IPC分类号： G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06V10/82
摘要： 本发明公开一种改进重构网络的胶囊网络图像分类识别方法：S1，构建胶囊网络；S2，输入图像训练集合至所述胶囊网络，所述胶囊网络经训练学习后完成图像分类识别校准；S3，输入待分类图像至所述胶囊网络，所述工作网络的输出向量vj中数值最大的一个即为得到的识别结果；S4，所述胶囊网络输出所述待分类图像的识别结果；其中胶囊网络的重构网络结构为反卷积操作。有益效果：提出了一种新的重构网络结构，通过反卷积操作把向量还原为图像，对比还原的图像和原始图像的误差来调节网络参数，减小了计算参数量，为硬件设备空出了更多运行内存。
-
公开(公告)号：CN108898577B
公开(公告)日：2022-03-01
申请号：CN201810510307.4
申请日：2018-05-24
申请人： 西南大学
摘要： 本发明公开一种基于改进胶囊网络的良恶性肺结节识别系统及方法，其特征在于在胶囊网络的全连接结构中提出了一种新的激活函数运算：其中，vj为输出向量，sj为动态路由调节后的中间向量。有益效果：该激活函数能够提高胶囊网络的收敛速度，且提升其图像识别准确度，同时，基于胶囊网络本身对卷积神经网络在图像识别的优势，本发明在肺结节的识别效果上极大优于传统识别工具。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.017 秒)
