公开(公告)号：CN108664924B

公开(公告)日：2022-07-08

申请号：CN201810443651.6

申请日：2018-05-10

Applicant: 东南大学

Inventor： 李新德 ,  孙振华

IPC: G06V20/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的多标签物体识别方法，该方法利用标签之间的包含关系，并按照包含顺序依次构建各个标签的CNN特征提取部分，通过卷积运算操作不断抽象提取各层特征，并在网络的不同深度分别设置各个标签的分类器，将相应标签的CNN特征提取部分所提取的特征图，输入到对应的分类器，同时利用多个分类器进行误差反向传播，监督训练相应各层的网络权值参数，最终获取各标签类别以完成识别。本发明采用的多标签卷积神经网络，可以很好地解决多个标签之间信息的融合，解决了传统多标签物体识别准确率不高的问题，同时提高了训练和识别的效率。

公开(公告)号：CN108664924A

公开(公告)日：2018-10-16

申请号：CN201810443651.6

申请日：2018-05-10

Applicant: 东南大学

Inventor： 李新德 ,  孙振华

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的多标签物体识别方法，该方法利用标签之间的包含关系，并按照包含顺序依次构建各个标签的CNN特征提取部分，通过卷积运算操作不断抽象提取各层特征，并在网络的不同深度分别设置各个标签的分类器，将相应标签的CNN特征提取部分所提取的特征图，输入到对应的分类器，同时利用多个分类器进行误差反向传播，监督训练相应各层的网络权值参数，最终获取各标签类别以完成识别。本发明采用的多标签卷积神经网络，可以很好地解决多个标签之间信息的融合，解决了传统多标签物体识别准确率不高的问题，同时提高了训练和识别的效率。