-
公开(公告)号：CN105488515A
公开(公告)日：2016-04-13
申请号：CN201410474927.9
申请日：2014-09-17
Applicant: 富士通株式会社
Abstract: 本发明提供一种训练卷积神经网路分类器的方法和图像处理装置。根据该训练卷积神经网络分类器的方法，从训练用图像中提取全局特征和局部特征。根据预定模式将全局特征和局部特征映射到特征图以作为分类器的输入样本。根据预定模式，全局特征被映射到至少一个第一区域，局部特征被映射到一个第二区域，每个第一区域与第二区域相接。根据本公开的训练方法，较大程度上提高了检测的速度和准确度。
-
-
公开(公告)号：CN105447566B
公开(公告)日：2018-07-20
申请号：CN201410239699.7
申请日：2014-05-30
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 本公开提供了训练装置、训练方法以及检测装置。一种用于对卷积神经网络模型进行训练的装置包括特征获取及竞争单元以及模型训练单元。特征获取及竞争单元包括：获取子单元，被配置成针对所述卷积神经网络模型的至少一个卷积层、获取训练样本数据的至少两个不同方面的特征；以及竞争子单元，被配置成基于所述获取子单元获取的至少两个不同方面的特征的对应元素，选择每个元素位置处的最优元素，以得到竞争结果特征。模型训练单元被配置成在训练卷积神经网络模型的过程中，针对所述至少一个卷积层，应用所述竞争结果特征来执行训练。
-
公开(公告)号：CN105447566A
公开(公告)日：2016-03-30
申请号：CN201410239699.7
申请日：2014-05-30
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 本公开提供了训练装置、训练方法以及检测装置。一种用于对卷积神经网络模型进行训练的装置包括特征获取及竞争单元以及模型训练单元。特征获取及竞争单元包括：获取子单元，被配置成针对所述卷积神经网络模型的至少一个卷积层、获取训练样本数据的至少两个不同方面的特征；以及竞争子单元，被配置成基于所述获取子单元获取的至少两个不同方面的特征的对应元素，选择每个元素位置处的最优元素，以得到竞争结果特征。模型训练单元被配置成在训练卷积神经网络模型的过程中，针对所述至少一个卷积层，应用所述竞争结果特征来执行训练。
-
公开(公告)号：CN104794527A
公开(公告)日：2015-07-22
申请号：CN201410024775.2
申请日：2014-01-20
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 公开了一种基于卷积神经网络的分类模型构建方法和设备，该方法包括：卷积步骤，以随机卷积方式对训练样本进行第一阶段训练，以得到用于卷积操作的卷积模板值，从而构建包括卷积模板值的分类模型，其中，以随机卷积方式对训练样本进行第一阶段训练进一步包括：对于至少一个当前卷积层，基于预定概率阈值以随机方式打断当前卷积层的特征图中的元素与和当前卷积层相邻的上一层的特征图中的元素之间的连接。根据本公开，可以减少训练样本时使用的权值数量，减轻过拟合问题，从而提高卷积神经网络的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN105488515B
公开(公告)日：2019-06-25
申请号：CN201410474927.9
申请日：2014-09-17
Applicant: 富士通株式会社
Abstract: 提供一种训练卷积神经网路分类器的方法和图像处理装置。根据该训练卷积神经网络分类器的方法，从训练用图像中提取全局特征和局部特征。根据预定模式将全局特征和局部特征映射到特征图以作为分类器的输入样本。根据预定模式，全局特征被映射到至少一个第一区域，局部特征被映射到一个第二区域，每个第一区域与第二区域相接。根据本公开的训练方法，较大程度上提高了检测的速度和准确度。
-
公开(公告)号：CN104794527B
公开(公告)日：2018-03-27
申请号：CN201410024775.2
申请日：2014-01-20
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 公开了一种基于卷积神经网络的分类模型构建方法和设备，该方法包括：卷积步骤，以随机卷积方式对训练样本进行第一阶段训练，以得到用于卷积操作的卷积模板值，从而构建包括卷积模板值的分类模型，其中，以随机卷积方式对训练样本进行第一阶段训练进一步包括：对于至少一个当前卷积层，基于预定概率阈值以随机方式打断当前卷积层的特征图中的元素与和当前卷积层相邻的上一层的特征图中的元素之间的连接。根据本公开，可以减少训练样本时使用的权值数量，减轻过拟合问题，从而提高卷积神经网络的泛化能力。
-
公开(公告)号：CN104424201A
公开(公告)日：2015-03-18
申请号：CN201310367440.6
申请日：2013-08-21
Applicant: 富士通株式会社
CPC classification number: G06F17/30616 , G06K9/2054 , G06Q30/018
Abstract: 本发明涉及一种用于提供食品安全信息的方法和装置。一种用于提供食品安全信息的方法，包括：获取食品包装上的配料名图像；对所获取的配料名图像进行识别来获得配料名；针对配料名在消费者生成媒体中进行检索来获得与配料名相关的第一安全信息。通过本发明，可以提高向用户推荐食品安全信息的时效性和针对性。
-
公开(公告)号：CN104346622A
公开(公告)日：2015-02-11
申请号：CN201310329465.7
申请日：2013-07-31
Applicant: 富士通株式会社
CPC classification number: G06K9/6272 , G06K9/4628 , G06K9/6267 , G06N3/0454 , G06N3/0481 , G06K9/6268 , G06K9/628 , G06N3/084
Abstract: 本发明涉及一种卷积神经网络分类器、利用卷积神经网络分类器进行分类的方法和训练卷积神经网络分类器的方法。卷积神经网络分类器包括：多个特征图层，多个特征图层中的至少一个特征图层中的至少一个特征图被划分成多个区域；以及多个卷积模板，多个卷积模板与多个区域分别对应，每个卷积模板用于获得相应区域中的神经元的响应值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
