申请/专利权人：山西大学

申请日：2024-01-11

公开（公告）日：2024-04-12

公开（公告）号：CN117876770A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/44;G06V10/42;G06V10/56;G06V10/22;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种深度复数卷积神经网络的目标识别方法，包括以下步骤：步骤S1：设计OMPELU，得到OMPELU表达式；步骤S2：处理OMPELU表达式参数在学习中的过拟合风险，得到优化OMPELU参数；步骤S3：利用深度卷积神经网络模型提取目标图像的显著性特征图，得到局部特征图和全局特征图；步骤S4：在模型中加入边界细化模块，得到优化后的模型；步骤S5：将优化后的模型进行反卷积特征提取，得到原图像的特征信息；步骤S6：将局部特征图和全局特征图结合，得到最终的显著图，从而得到目标；解决了在基于卷积神经网络的目标识别问题上，还没有提出一种相对较好的快速自适应目标识别算法的问题。

主权项：1.一种深度复数卷积神经网络的目标识别方法，其特征在于，包括以下步骤：步骤S1：设计OMPELU，得到OMPELU表达式；步骤S2：处理OMPELU表达式的参数在学习中的过拟合风险，得到优化OMPELU参数；步骤S3：利用深度卷积神经网络模型提取目标图像的显著性特征图，得到局部特征图和全局特征图；步骤S4：在模型中加入边界细化模块，得到优化后的模型；步骤S5：将优化后的模型进行反卷积特征提取，得到原图像的特征信息；步骤S6：将局部特征图和全局特征图结合，得到最终的显著图，从而得到目标；所述步骤S1的OMPELU表达式为： 式中，α、β和λ是OMPELU中可学习的参数，且λ0，y表示OMPELU的输入，i表示输入的元素索引，c是输入的通道索引因此表c∈{1,…,M}，yi表示输入中第c个通道中的第i个元素。

全文数据：

权利要求：

百度查询： 山西大学 一种深度复数卷积神经网络的目标识别方法

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。

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