-
公开(公告)号：CN112329538B
公开(公告)日：2024-07-02
申请号：CN202011078852.4
申请日：2020-10-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T3/4007
Abstract: 本发明公开了一种基于微波视觉的目标分类方法。本发明步骤如下:1、利用微波发射和接收天线获取电磁散射场数据并进行预处理。2、构建复数卷积神经网络实现目标分类，该网络包括：复数卷积层、复数批归一化层和复数激活层。3、在复数卷积神经网络中引入了注意力机制模块。4、将步骤1中获取的电磁散射场数据作为训练数据，输入到经过步骤2和3搭建的网络中，通过反向传播算法训练网络参数，直至整个网络模型收敛。本发明设计了专门的带有注意力机制的复数卷积神经网络，其学习效果是优于实数卷积神经网络的。同时，使用这种基于微波视觉特征的目标分类方法能在特定困难场景下无法应用RGB图像时，仍能有效进行目标分类。
-
公开(公告)号：CN111191691A
公开(公告)日：2020-05-22
申请号：CN201911296150.0
申请日：2019-12-16
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种基于词性分解的深度用户点击特征的细粒度图像分类方法。本发明先利用从互联网上获取到的用户点击数据，利用自然语言处理的分词、词干化、去除停顿词等技术获得单词，同时获得单词的词性，分词性在得到的单词中挑选合适的关键词，然后利用得到的关键词和其对应的词频得到词频逆文档频率特征，再把通过这种方式获得的特征向量进行整合，得到一个特征张量，最后利用这种特征，专门构建并适用于该种这特征的网络进行分类。本发明在获得高精确率的前提下，可以有效决解传统方法所不能克服的语义鸿沟的问题。该方法的另一个好处，得益于网络结构的小巧，容易部署，更加适合实际的生产实践活动。该方法最终在Clickture-Dog的数据集上取得了优异的结果。
-
公开(公告)号：CN112329538A
公开(公告)日：2021-02-05
申请号：CN202011078852.4
申请日：2020-10-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于微波视觉的目标分类方法。本发明步骤如下:1、利用微波发射和接收天线获取电磁散射场数据并进行预处理。2、构建复数卷积神经网络实现目标分类，该网络包括：复数卷积层、复数批归一化层和复数激活层。3、在复数卷积神经网络中引入了注意力机制模块。4、将步骤1中获取的电磁散射场数据作为训练数据，输入到经过步骤2和3搭建的网络中，通过反向传播算法训练网络参数，直至整个网络模型收敛。本发明设计了专门的带有注意力机制的复数卷积神经网络，其学习效果是优于实数卷积神经网络的。同时，使用这种基于微波视觉特征的目标分类方法能在特定困难场景下无法应用RGB图像时，仍能有效进行目标分类。
-
公开(公告)号：CN111191691B
公开(公告)日：2023-09-29
申请号：CN201911296150.0
申请日：2019-12-16
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06N3/08 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种基于词性分解的深度用户点击特征的细粒度图像分类方法。本发明先利用从互联网上获取到的用户点击数据，利用自然语言处理的分词、词干化、去除停顿词等技术获得单词，同时获得单词的词性，分词性在得到的单词中挑选合适的关键词，然后利用得到的关键词和其对应的词频得到词频逆文档频率特征，再把通过这种方式获得的特征向量进行整合，得到一个特征张量，最后利用这种特征，专门构建并适用于该种这特征的网络进行分类。本发明在获得高精确率的前提下，可以有效决解传统方法所不能克服的语义鸿沟的问题。该方法的另一个好处，得益于网络结构的小巧，容易部署，更加适合实际的生产实践活动。该方法最终在Clickture‑Dog的数据集上取得了优异的结果。
-
-
-
Search Results
4
records
(took 0.03 seconds)
