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。