公开(公告)号：CN114492630B

公开(公告)日：2025-04-04

申请号：CN202210087485.7

申请日：2022-01-25

Applicant: 重庆邮电大学

Inventor： 米建勋 ,  李诺

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于层次类别动态计算的图像识别方法和系统，属于计算机图像技术领域。该方法包括：S1：利用训练集训练一个小型的卷积神经网络，形成两级图像类别层次结构；S2：根据层次结构构造层次神经网络；S4：在细分类模块中，基于粗类别进行路径决策搜索，得到最优路径决策；S5：粗分类模块的输出作为粗类别的预测和该预测粗类别的路径选择，实现动态分流计算；S6：将粗分类模块和细分类模块的预测输出进行融合，其融合的结果作为最终类别预测；并联合训练粗、细分类模块，提高层次网路性能。本发明利用图像类别的层次结构，在层次神经网络中实现类别的动态分流计算，有效提高网络的性能，并有助于减少推理时的计算量。

公开(公告)号：CN114492630A

公开(公告)日：2022-05-13

申请号：CN202210087485.7

申请日：2022-01-25

Applicant: 重庆邮电大学

Inventor： 米建勋 ,  李诺

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明涉及一种基于层次类别动态计算的图像识别方法和系统，属于计算机图像技术领域。该方法包括：S1：利用训练集训练一个小型的卷积神经网络，形成两级图像类别层次结构；S2：根据层次结构构造层次神经网络；S4：在细分类模块中，基于粗类别进行路径决策搜索，得到最优路径决策；S5：粗分类模块的输出作为粗类别的预测和该预测粗类别的路径选择，实现动态分流计算；S6：将粗分类模块和细分类模块的预测输出进行融合，其融合的结果作为最终类别预测；并联合训练粗、细分类模块，提高层次网路性能。本发明利用图像类别的层次结构，在层次神经网络中实现类别的动态分流计算，有效提高网络的性能，并有助于减少推理时的计算量。