公开(公告)号：CN110942105B

公开(公告)日：2022-09-16

申请号：CN201911279148.2

申请日：2019-12-13

Applicant: 东华大学

Inventor： 卢婷 ,  宋佳霏 ,  黄若琳 ,  张磊 ,  常姗

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。

公开(公告)号：CN110942105A

公开(公告)日：2020-03-31

申请号：CN201911279148.2

申请日：2019-12-13

Applicant: 东华大学

Inventor： 卢婷 ,  宋佳霏 ,  黄若琳 ,  张磊 ,  常姗

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于最大池化和平均池化的混合池化方法。本发明结合了最大池化和平均池化的优点，利用平方平均的数学意义和实际意义，形成了一种基于最大池化和平均池化的混合池化方法，该池化方法能够更好的保留图像的纹理特征和背景特征，从而提高图像分类精度，并降低分类损失。本发明是基于DenseNet所做的实验，但本发明可应用于其他使用池化层的卷积神经网络，比如ResNet，FastRCNN等等。