龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：桂林电子科技大学;桂林慧谷人工智能产业技术研究院
摘要：本发明公开了一种基于改进卷积神经网络VGG‑16的少量样本识别方法，其目标是提升水下物体识别的准确性，有效改进过度拟合的问题。传统的VGG‑16算法往往容易陷入过度拟合，因为模型的复杂度较高，VGG‑16在小数据集上容易过度拟合，需要大量的数据进行训练才能能获得良好的泛化性能。而本发明提出的改进的VGG‑16算法通过迁移学习中的权值参数共享，对经过改进的VGG‑16模型进行了训练和测试。这一方法旨在有效识别特定样本，为探测到的水下物体提供准确的分析和判定。本发明的算法可以广泛应用于其他各种实际场景，如探测积雪厚度和人群拥挤程度等，为解决复杂问题提供了一种有效的优化方案。
主权项：1.一种基于改进卷积神经网络VGG-16的少量样本识别方法，其特征在于包括以下步骤：步骤1：通过多尺度辅助特征网络从采样图像中提取出包含空间信息和细节信息的浅层特征；步骤2：对基于改进卷积神经网络VGG-16算法的模型进行改进；选用最大池化的方法，用两个全连接层代替原有的3个全连接层，并将第二个全连接层即输出层的神经元个数设置为所要分类的样本的个数；步骤3：将数据集输入；步骤4：对改进的VGG-16模型使用caffe框架进行模型训练；步骤5：输入新的图像，进行识别，并标出类别以及准确度。
全文数据：
权利要求：
百度查询： 桂林电子科技大学 桂林慧谷人工智能产业技术研究院 一种基于改进卷积神经网络VGG-16的少量样本识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号