用于复合特性分类和共同局部化的神经网络模型的学习方法及装置.pdfVIP

下载本文档

1
0
约2.41万字
约 30页
2023-05-13 发布于北京
举报
版权申诉

用于复合特性分类和共同局部化的神经网络模型的学习方法及装置.pdf

1、本文档共30页，其中可免费阅读29页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

在根据本发明实施例的用于图像的复合特性分类和共同局部化的神经网络模型的学习方法中，所述神经网络模型包括：卷积层，所述卷积层利用卷积滤波器对输入图像执行卷积运算；池化层，所述池化层用于对所述卷积层的输出执行池化(pooling)；及多个按类别的全连接层(fullyconnectedlayer)，所述多个按类别的全连接层分别对应于复合特性被分类的多个类别，并输出对所述池化层的输出乘以按类别的权重(wfc(Tt))的值，所述方法包括以下步骤：(a)将输入图像输入到所述卷积层；(b)基于所述卷积层的输

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114641780 A (43)申请公布日 2022.06.17 (21)申请号 202180006146.5 (74)专利代理机构北京青松知识产权代理事务