公开(公告)号：CN107798381A

公开(公告)日：2018-03-13

申请号：CN201711114919.3

申请日：2017-11-13

Applicant: 河海大学

Inventor： 钱燕芳 ,  王敏 ,  秦月红

IPC: G06N3/04 ,  G06K9/46

CPC classification number: G06N3/0454 ,  G06K9/4671

Abstract: 本发明公开的一种基于卷积神经网络的图像识别方法，包括以下步骤：获取原始图像；对原始图像进行预处理；将上一层的输出结果输入到卷积神经网络中的子网络；将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；将上一层的输出结果输入到卷积神经网络中的全连接层；将上一层的输出结果输入到卷积神经网络中的最后一层，即Softmax层，得到图像属于各个类别的概率；根据图像属于各个类别的概率，来确定图像分类结果，最后输出图像分类结果。本发明通过将一个子网络结构加入到经典卷积神经网络中，并在子网络结构中计算残差以修正权值矩阵，能够高效的提取图像的特征，且只对子网络结构计算各层残差以减少计算量。

公开(公告)号：CN107798381B

公开(公告)日：2021-11-30

申请号：CN201711114919.3

申请日：2017-11-13

Applicant: 河海大学

Inventor： 钱燕芳 ,  王敏 ,  秦月红

IPC: G06N3/04 ,  G06K9/46

Abstract: 本发明公开的一种基于卷积神经网络的图像识别方法，包括以下步骤：获取原始图像；对原始图像进行预处理；将上一层的输出结果输入到卷积神经网络中的子网络；将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；将上一层的输出结果输入到卷积神经网络中的全连接层；将上一层的输出结果输入到卷积神经网络中的最后一层，即Softmax层，得到图像属于各个类别的概率；根据图像属于各个类别的概率，来确定图像分类结果，最后输出图像分类结果。本发明通过将一个子网络结构加入到经典卷积神经网络中，并在子网络结构中计算残差以修正权值矩阵，能够高效的提取图像的特征，且只对子网络结构计算各层残差以减少计算量。

公开(公告)号：CN109726654A

公开(公告)日：2019-05-07

申请号：CN201811558495.4

申请日：2018-12-19

Applicant: 河海大学

Inventor： 王敏 ,  秦月红 ,  吴敏

IPC: G06K9/00

Abstract: 本发明公开一种基于生成对抗网络的步态识别方法，在特征提取阶段，基于改进的生成对抗网络，使用反向转播算法训练得到一种能在多种不同类别的图像间进行转换的多领域转换模型；在步态识别阶段，首先把测试集和验证集中的步态视频转换成步态能量图，然后用上述多领域转换模型将测试样本的步态能量图转换成与验证集中状态域与视角域一致的步态能量图，通过比较测试样本与所有验证样本的相似度得出识别结果。本发明能同时处理视角、衣着、携带物三种干扰因素，且在处理跨视角步态识别问题上具有很强的鲁棒性，克服了现有步态识别技术在跨视角识别中准确率不高的缺点。本发明可以广泛应用在门禁系统、社会安全、司法刑侦等领域，适用于大多数配备监控视频的场景。