申请/专利权人:东北林业大学
申请日:2020-11-27
公开(公告)日:2021-01-26
公开(公告)号:CN112270385A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/04(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的视为撤回
法律状态:2022.12.30#发明专利申请公布后的视为撤回;2021.02.12#实质审查的生效;2021.01.26#公开
摘要:基于卷积神经网络的竹片图像分类方法,属于图像识别技术领域。本发明是为了解决现有的竹片检测方法存在竹片本身缺陷的检测准确率较低且耗时较长的问题。本发明首先利用竹片图像数据集对多个卷积神经网络中的每个卷积神经网络模型进行训练和验证;通过混淆矩阵对测试集下每个卷积神经网络的准确率进行对比;确定识别准确率最高的一个卷积神经网络,作为竹片图像分类卷积神经网络;然后利用竹片图像分类卷积神经网络进行竹片图像分类。本发明主要用于竹片图像的分类。
主权项:1.基于卷积神经网络的竹片图像分类方法,其特征在于,包括以下步骤:S1、采集竹片图像建立数据集;S2、将数据集分为训练集、验证集、测试集;针对多个卷积神经网络中的每个卷积神经网络模型,分别利用迁移学习方法进行实验,实验过程中,分别利用训练集、验证集确定每个卷积神经网络模型权重及调整模型的超参数,然后利用测试集检验每个卷积神经网络的泛化能力;通过混淆矩阵对测试集下每个卷积神经网络的准确率进行对比;确定识别准确率最高的一个卷积神经网络,作为竹片图像分类卷积神经网络;S3、采集待分类的竹片图像,利用竹片图像分类卷积神经网络进行竹片图像分类。
全文数据:
权利要求:
百度查询: 东北林业大学 基于卷积神经网络的竹片图像分类方法
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。