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：华南理工大学

摘要：本发明公开了一种基于深度学习分支特征图融合的长尾图像识别方法，该方法是基于深度学习分支特征图融合网络实现长尾图像的有效识别，深度学习分支特征图融合网络包含一个多分支特征提取网络、两个分支特征图融合模块和三个作为分类器的全连接层，多分支特征提取网络包含一个共享网络和三个分支网络，共享网络包含一个残差卷积模块，每个分支网络均包含两个残差卷积模块，分支特征图融合模块用于将分支网络的深层特征图与其它分支网络的浅层特征图进行融合，同时在分支网络的逻辑输出之间使用相互学习方法。本发明可通过深层特征图与浅层特征图的融合提高网络对长尾图像的分类能力，同时通过相互学习提升深度学习网络的整体性能。

主权项：1.基于深度学习分支特征图融合的长尾图像识别方法，其特征在于，该方法是基于深度学习分支特征图融合网络实现长尾图像的有效识别，所述深度学习分支特征图融合网络包含一个多分支特征提取网络、两个分支特征图融合模块和三个作为分类器的全连接层，所述多分支特征提取网络包含一个共享网络和三个分支网络，所述共享网络包含一个残差卷积模块，每个分支网络均包含两个残差卷积模块，所述分支特征图融合模块用于将分支网络的深层特征图与其它分支网络的浅层特征图进行融合，以提高网络对尾部类图像的关注度，且融合不同分支网络的特征图能够促进网络特征图的多样化输出，同时在分支网络的逻辑输出之间使用相互学习方法，确保各分支网络能够在分支特征图融合后，进一步从其它分支网络的数据中学习和调整参数；所述深度学习分支特征图融合的长尾图像识别方法的具体实施，包括：将获取的长尾图像输入训练好的深度学习分支特征图融合网络进行以下操作：长尾图像首先输入多分支特征提取网络，由共享网络对输入的长尾图像进行特征提取，生成初级特征图，随后初级特征图分别输入后续的三个分支网络，每个分支网络继续进行特征提取，初级特征图经分支网络的第一个残差卷积模块生成该分支网络的浅层特征图，浅层特征图经该分支网络的第二个残差卷积模块生成该分支网络的深层特征图；在完成特征提取后，通过两个分支特征图融合模块将三个分支网络的特征图进行融合，过程为：将第一个分支网络的深层特征图与第二个分支网络的浅层特征图通过第一个分支特征图融合模块进行融合，将第二个分支网络的深层特征图与第三个分支网络的浅层特征图通过第二个分支特征图融合模块进行融合，而第三个分支网络的特征图保持不变；将第一个分支特征图融合模块输出的融合特征图输入第一个全连接层，得到第一个分支网络的逻辑输出，将第二个分支特征图融合模块输出的融合特征图输入第二个全连接层，得到第二个分支网络的逻辑输出，将第三个分支网络的深层特征图输入第三个全连接层，得到第三个分支网络的逻辑输出，对各分支网络的逻辑输出求均值，生成最终的逻辑输出，即网络的长尾图像类别的预测结果。

全文数据：

权利要求：

百度查询： 华南理工大学 基于深度学习分支特征图融合的长尾图像识别方法