公开(公告)号：CN107679462A

公开(公告)日：2018-02-09

申请号：CN201710823051.8

申请日：2017-09-13

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 于刚 ,  李艇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00718 ,  G06K9/629 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。

公开(公告)号：CN107679462B

公开(公告)日：2021-10-19

申请号：CN201710823051.8

申请日：2017-09-13

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 于刚 ,  李艇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。