公开(公告)号：CN110751195A

公开(公告)日：2020-02-04

申请号：CN201910965021.X

申请日：2019-10-12

Applicant: 西南交通大学

Inventor： 黄进 ,  李啸天 ,  李剑波 ,  朱明仓 ,  李继秀 ,  杨旭 ,  付国栋 ,  秦泽宇 ,  郑思宇 ,  王敏

IPC: G06K9/62 ,  G06N3/04

Abstract: 一种基于改进YOLOv3的细粒度图像分类方法，该方法包括下述步骤：一、对细粒度图像进行预处理；二、通过Darknet-53特征提取网络对输入图像提取特征；三、多层卷积网络得到三种大小的分类特征图，分别为13×13，26×26，52×52；四、提取细粒度特征图。五、将原分类特征图与细粒度特征图融合，改进损失函数，训练网络直到达到预先设定的迭代次数或准确率不再提升；六、细粒度图像类别识别。本发明在不增加图像检测时间的前提下，通过加入细粒度分类层，提高YOLOv3原网络对细粒度图像分类的准确度。

公开(公告)号：CN110751195B

公开(公告)日：2023-02-07

申请号：CN201910965021.X

申请日：2019-10-12

Applicant: 西南交通大学

Inventor： 黄进 ,  李啸天 ,  李剑波 ,  朱明仓 ,  李继秀 ,  杨旭 ,  付国栋 ,  秦泽宇 ,  郑思宇 ,  王敏

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464

Abstract: 一种基于改进YOLOv3的细粒度图像分类方法，该方法包括下述步骤：一、对细粒度图像进行预处理；二、通过Darknet‑53特征提取网络对输入图像提取特征；三、多层卷积网络得到三种大小的分类特征图，分别为13×13，26×26，52×52；四、提取细粒度特征图。五、将原分类特征图与细粒度特征图融合，改进损失函数，训练网络直到达到预先设定的迭代次数或准确率不再提升；六、细粒度图像类别识别。本发明在不增加图像检测时间的前提下，通过加入细粒度分类层，提高YOLOv3原网络对细粒度图像分类的准确度。