-
公开(公告)号：CN108154194A
公开(公告)日：2018-06-12
申请号：CN201810049756.3
申请日：2018-01-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种用基于张量的卷积网络提取高维特征的方法，可应用于多维信号的分类识别场景中。模型核心部分是分离－融合模块，而分离－融合模块则由可分离卷积组件和特征融合组件构成，其中，可分离卷积组件主要由多个可分离卷积层组成，特征融合组件主要由一个多维卷积核组成。那么，整个基于张量的N维卷积模型由多个N维分离－融合模块、池化层和全连接层组成，最后一个最大池化层输出的一组N阶张量通过向量化的操作转成一个向量输入到全连接层中，最终输出一个识别分类的概率向量。本发明所提的网络模型不仅和现有的优秀模型在识别精度上性能相当，并且模型的参数量比它们少很多。
-
公开(公告)号：CN108154194B
公开(公告)日：2021-04-30
申请号：CN201810049756.3
申请日：2018-01-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种用基于张量的卷积网络提取高维特征的方法，可应用于多维信号的分类识别场景中。模型核心部分是分离－融合模块，而分离－融合模块则由可分离卷积组件和特征融合组件构成，其中，可分离卷积组件主要由多个可分离卷积层组成，特征融合组件主要由一个多维卷积核组成。那么，整个基于张量的N维卷积模型由多个N维分离－融合模块、池化层和全连接层组成，最后一个最大池化层输出的一组N阶张量通过向量化的操作转成一个向量输入到全连接层中，最终输出一个识别分类的概率向量。本发明所提的网络模型不仅和现有的优秀模型在识别精度上性能相当，并且模型的参数量比它们少很多。
-
Search Results
2
records
(took 0.014 seconds)
