-
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
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：CN106528612A
公开(公告)日：2017-03-22
申请号：CN201610865130.0
申请日：2016-09-29
Applicant: 河海大学
IPC: G06F17/30
CPC classification number: G06F16/2471
Abstract: 本发明公开了一种面向行业元数据注册和分布式检索系统及方法。系统包含如下三个模块：注册模块，用于实现跨数据中心行业元数据注册共享，针对不同的行业中央及地方数据中心，由该数据中心的数据管理单位实现元数据自行审核注册，并且由该单位对管理的数据分类处理，将部分用于检索的元数据注入中央节点，地方节点存放所有元数据；存储模块，数据管理单位对管理的元数据注册生成倒排索引，倒排索引分布于中央与地方节点，同时实现元数据存储与管理的分离；分布式检索模块，用于实现跨数据中心行业元数据共享，对不同数据中心的大量行业元数据进行分布式检索。本发明解决了跨数据中心行业元数据共享的难题，能够分布式处理大量的行业元数据，满足用户的检索需求。
-
公开(公告)号：CN106570889A
公开(公告)日：2017-04-19
申请号：CN201610991485.4
申请日：2016-11-10
Applicant: 河海大学
CPC classification number: G06T5/002 , G06T2207/10016 , G06T2207/10048
Abstract: 本发明公开了一种检测红外视频中弱小目标的方法。所述方法针对检测红外视频中的图像序列，首先通过Kalman滤波进行背景抑制、噪声去除，得到预处理后图像序列；然后选定需要处理的N+1帧预处理后图像序列，合并成二维数据，求其自相关矩阵并对其自相关矩阵进行奇异值分解SVD；接着选择特征向量重构图像序列；最后对重构图像序列进行阈值分割，从背景中分离得到原图像序列中弱小目标的位置，对重构图像序列中的每幅图像分别进行修正。本发明方法将Kalman滤波与奇异值分解方法有效结合用于对红外视频中的弱小目标进行检测，计算时间短，检测效率高，准确性和鲁棒性都比较好。
-
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
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。
-
-
-
Search Results
4
records
(took 0.015 seconds)
