当前位置: 首页 > 科技成果列表 > 科技成果详细

一种基于K‑means与深度学习的图像分类算法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2016-12-30

专利所属地 :中国

专利号:CN201611259889.0

应用领域:通用仪器仪表制造

技术领域:-

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

摘要:

本发明公开了一种基于K-means与深度学习的图像分类算法,具体包括以下步骤:

  1. 将无标签图像作为输入图像,并随机抽取图像块,构成大小相同的无标签图像集;
  2. 采用K-means算法提取一次最佳聚类中心;
  3. 构建特征映射函数,提取无标签图像集的图像特征;
  4. 进行池化操作与归一化处理;
  5. 采用K-means算法提取二次最佳聚类中心,并采用卷积操作,提取最终图像特征,对最终图像特征进行标准化处理;
  6. 通过分拣器对经过标准化处理的最终图像特征进行分类。

本发明具有以下优点:

  • 简单
  • 高效
  • 训练参数少

对于海量高维图像的分类,本发明具有很好的效果。此外,对输入图像进行预处理,能够达到改善图像分类效果,提高分类精度的效果。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种基于K‑means与深度学习的图像分类算法
专利状态 - 专利号(申请号) CN201611259889.0
申请号 - 专利申请日期 2016-12-30
专利授权日期 2017-06-13 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 王改华;李涛;吕朦;袁国亮
权利人 -
专利摘要 本发明公开了一种基于K‑means与深度学习的图像分类算法,包括步骤:1)将无标签图像作为输入图像,并随机抽取图像块构成大小相同的无标签图像集;2)采用K‑means算法提取一次最佳聚类中心;3)构建特征映射函数,提取无标签图像集的图像特征;4)进行池化操作与归一化处理;5)采用K‑means算法提取二次最佳聚类中心,并采用卷积操作,提取最终图像特征,对最终图像特征进行标准化处理;6)通过分拣器对经过标准化处理的最终图像特征进行分类。本发明具有简单、高效、训练参数少等优点,对于海量高维图像的分类具有很好的效果,且对输入图像进行预处理,达到改善图像分类效果,提高分类精度的效果。
成果评价分析
技术应用分析
服务案例
Baidu
map