基于深度卷积神经网络的典型红外目标分类方法[发明专利]

来源：爱问旅游网

专利内容由知识产权出版社提供

专利名称：基于深度卷积神经网络的典型红外目标分类方法专利类型：发明专利

发明人：刘伟峰,张倩文,王亚宁申请号：CN201910779094.X申请日：20190822公开号：CN110619352A公开日：20191227

摘要：本发明公开了基于深度卷积神经网络的典型红外目标分类方法。传统神经网络因为结构比较简单，属于典型的浅层模型，很难获得更为细致有效的识别特征，在红外图像识别问题中性能欠佳。本发明方法首先获取不同距离和角度以及有无遮挡物情况下两种车辆模型的红外图像样本作为数据集，然后将数据集分为不重叠的训练集和测试集，并对数据集样本进行预处理，再通过VGG16深度神经网络模型获取红外目标图像特征，最后将提取出的特征信息输入到归一化函数softmax进行分类。本发明方法可以减小红外目标图像特征提取的难度，降低模型的复杂程度，实现良好的分类效果和实时计算效率。

申请人：杭州电子科技大学

地址：310018 浙江省杭州市下沙高教园区2号大街

国籍：CN

代理机构：杭州君度专利代理事务所(特殊普通合伙)

代理人：杨舟涛

更多信息请下载全文后查看

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文