申请/专利权人：清华大学

申请日：2015-05-14

公开（公告）日：2021-01-05

公开（公告）号：CN104794501B

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.01.05#授权;2015.08.19#实质审查的生效;2015.07.22#公开

摘要：本发明提供了一种模式识别方法及装置，其中模式识别方法包括：接收待识别数据；利用基于具有递归卷积层的卷积神经网络训练得到的模式识别模型对所述待识别数据进行模式识别；其中，所述具有递归卷积层的卷积神经网络为在前馈输入基础上结合层内递归输入，得到总输入，并对所述总输入进行非线性激发的神经网络。本申请中使用的具有递归卷积层的卷积神经网络其能够充分融入上下文信息，并在保持参数数量不变的情况下增加网络的深度，因此本申请有效提高了模式识别的准确性。

主权项：1.一种模式识别方法，其特征在于，包括：接收待识别数据，所述待识别数据为一张图片；利用具有递归卷积层的卷积神经网络训练得到的模式识别模型对所述待识别数据进行模式识别；其中，所述具有递归卷积层的卷积神经网络为在前馈输入基础上结合卷积层内递归输入，得到总输入，并对所述总输入进行非线性激发的神经网络，所述前馈输入具体表示为： 其中，ui,j表示向量化的前一层特征图上以i,j为中心的局部单元的响应，表示向量化的前馈输入的权值；所述卷积层内递归输入具体表示为： 其中，xi,jt-1表示上一时间步当前层特征图上以i,j为中心的局部单元的响应，表示向量化的层内递归输入的权值，T表示转置，t表示时间值，且t≤N，其中N表示总时间步数；所述模式识别包括以下任一项：人脸识别、手势识别、交通标志识别。

全文数据：

权利要求：

百度查询： 清华大学 模式识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD