申请/专利权人:克莱米特有限责任公司
申请日:2019-10-23
公开(公告)日:2024-04-09
公开(公告)号:CN113228041B
主分类号:G06V10/764
分类号:G06V10/764;G06N3/0464;G06V10/82
优先权:["20181024 US 62/750,118"]
专利状态码:有效-授权
法律状态:2024.04.09#授权;2023.01.20#著录事项变更;2022.06.03#著录事项变更;2021.11.12#实质审查的生效;2021.08.06#公开
摘要:公开了一种用于调整卷积神经网络CNN以捕获不同类别的表征特征的系统和处理方法。在一些实施例中,系统被编程为从初始CNN的最后几个卷积层中的一个卷积层中的、通常对应于更特定于类别的特征的滤波器开始,将它们进行排序以在更相关的滤波器中进行磨练,并且通过关闭在那一卷积层中较不相关的滤波器来更新初始CNN。结果通常是摆脱了某些无助于对类别进行表征的滤波器的更通用CNN。
主权项:1.一种调整卷积神经网络以专注于特定于类别的特征的计算机实现的方法,包括:由处理器接收表示包括一系列卷积块的初始卷积神经网络CNN的数字数据,所述一系列卷积块中的每个卷积块包括具有一个或多个滤波器的卷积层,所述一系列卷积块中的明确数目的最后卷积块的卷积层具有与一定数目的N个特征相对应的N个滤波器,其中N为正整数;由所述处理器接收数字图像集合和对应的类别标签集合,每个类别标签标识多个类别中的类别;使用所述一系列卷积块处理所述数字图像集合中的每个数字图像,以针对所述数字图像集合中的每个数字图像从所述卷积层生成N个特征地图;基于针对所述数字图像集合中的每个数字图像的所述N个特征地图,生成针对所述数字图像的向量;基于针对所述数字图像集合的向量集合和对应的所述类别标签集合,对所述N个滤波器排序;从所述N个滤波器中选择特别数目的最高排序的滤波器;从所述初始CNN构建经更新的CNN,以消除所述N个滤波器中的未被选择的滤波器的应用;将所述经更新的CNN应用于从客户端设备接收到的新图像,以获取所述新图像到所述多个类别中的一个类别的分类;传输与所述分类相关的信息。
全文数据:
权利要求:
百度查询: 克莱米特有限责任公司 利用改善的机器学习检测植物疾病的感染
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。