公开(公告)号：CN105701507B

公开(公告)日：2018-10-23

申请号：CN201610018847.1

申请日：2016-01-13

Applicant: 吉林大学

Inventor： 王生生 ,  刘威 ,  邢召龙

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开一种基于动态随机池化卷积神经网络的图像分类方法，该方法包括以下步骤：一、把训练集导入一系列卷积层进行卷积运算；二、把训练集导入一系列池化层进行随机池化运算；三、在最后的池化层进行动态随机池化；四、把特征矩阵融合为输出特征向量；五、对融合特征向量进行分类识别；六、对网络进行多次训练，调整中间参数，使输入输出的关系更加明显。本发明提出的随机池化运算可以很好的保留特征图像的纹理和背景综合特征；最后池化层的动态随机运算消除图像多尺度问题；多维度的特征融合，保证图像特征的多样性，从而提高识别精度。

公开(公告)号：CN105701507A

公开(公告)日：2016-06-22

申请号：CN201610018847.1

申请日：2016-01-13

Applicant: 吉林大学

Inventor： 王生生 ,  刘威 ,  邢召龙

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/629 ,  G06K9/6256 ,  G06N3/084

Abstract: 本发明公开一种基于动态随机池化卷积神经网络的图像分类方法，该方法包括以下步骤：一、把训练集导入一系列卷积层进行卷积运算；二、把训练集导入一系列池化层进行随机池化运算；三、在最后的池化层进行动态随机池化；四、把特征矩阵融合为输出特征向量；五、对融合特征向量进行分类识别；六、对网络进行多次训练，调整中间参数，使输入输出的关系更加明显。本发明提出的随机池化运算可以很好的保留特征图像的纹理和背景综合特征；最后池化层的动态随机运算消除图像多尺度问题；多维度的特征融合，保证图像特征的多样性，从而提高识别精度。