公开(公告)号：CN113011506A

公开(公告)日：2021-06-22

申请号：CN202110311743.0

申请日：2021-03-24

Applicant: 华南理工大学

Inventor： 许勇 ,  黎枫 ,  全宇晖 ,  梁锦秀

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度重分形频谱网络的纹理图像分类方法，包括获取纹理图像及其对应的类别标签数据库；对纹理图像进行预处理，作为深度重分形频谱网络模型的输入；构建深度重分形频谱网络模型，并进行训练，所述深度重分形频谱网络模型包括对纹理图像进行特征提取，提取后的特征分别输入两个旁支进行计算得到特征向量，再通过双线性池化层对两个特征向量进行耦合，最后通过全连接层与Softmax函数映射成训练数据集所对应的类别数相等的类别预测概率向量，概率向量数值大的向量元素所对应的索引即为预测类别；利用训练后的深度重分形频谱网络模型，实现纹理图像的分类。本发明在真实场景下分类准确率更高。

公开(公告)号：CN113011506B

公开(公告)日：2023-08-25

申请号：CN202110311743.0

申请日：2021-03-24

Applicant: 华南理工大学

Inventor： 许勇 ,  黎枫 ,  全宇晖 ,  梁锦秀

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/09

Abstract: 本发明公开了一种基于深度重分形频谱网络的纹理图像分类方法，包括获取纹理图像及其对应的类别标签数据库；对纹理图像进行预处理，作为深度重分形频谱网络模型的输入；构建深度重分形频谱网络模型，并进行训练，所述深度重分形频谱网络模型包括对纹理图像进行特征提取，提取后的特征分别输入两个旁支进行计算得到特征向量，再通过双线性池化层对两个特征向量进行耦合，最后通过全连接层与Softmax函数映射成训练数据集所对应的类别数相等的类别预测概率向量，概率向量数值大的向量元素所对应的索引即为预测类别；利用训练后的深度重分形频谱网络模型，实现纹理图像的分类。本发明在真实场景下分类准确率更高。