買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜淮陰工學院申請的專利一種基于卷積神經網絡的數字識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116563862B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310634089.6，技術領域涉及：G06V30/19；該發明授權一種基于卷積神經網絡的數字識別方法是由桑英軍;管明杰;陶靜蕾;周業輝;范媛媛設計研發完成，并于2023-05-31向國家知識產權局提交的專利申請。

本一種基于卷積神經網絡的數字識別方法在說明書摘要公布了：本發明公開了一種基于卷積神經網絡的數字識別方法，對將要提取特征的圖像進行預處理、居中和數字分割，將灰度字符圖像的前景區域通過外接矩形提取處理，并按照統一的標準進行居中處理。對卷積神經網絡進行進一步的改進，通過誤差反向傳播將不同卷積層的特征還原至初始輸入的尺寸，與前向傳播運算得到的預測輸出進行可視化和對比分析，并以均方差函數作為誤差函數訓練網絡模型，來更新權重和偏置項參數。同時進一步改進激活函數，將卷積神經網絡中各層的運算輸出作為激活函數的輸入，并將輸入端的加權和轉化成神經元輸出值，增加神經網絡的非線性擬合能力，實現了準確率較高的手寫數字識別。

本發明授權一種基于卷積神經網絡的數字識別方法在權利要求書中公布了：1.一種基于卷積神經網絡的數字識別方法，其特征在于：對將要提取特征的圖像進行預處理、居中和數字分割，將灰度字符圖像的前景區域通過外接矩形提取處理，并按照統一的標準進行居中處理；具體的步驟包括：S1：將MNIST數據集中的原始數據進行預處理，采用歸一化的預處理方式將原始圖像矩陣的數據都變為0到1的數據，同時將圖像尺寸調整到與下一層的輸入要求一致；S2：通過卷積核對經過預處理的輸入圖像進行遍歷，從中提取出圖像的相關特征；所述的通過卷積核對經過預處理的輸入圖像進行遍歷，對圖片的卷積運算為多通道輸入，卷積核需要擁有相同的通道數，每個卷積核通道與輸入層的對應通道進行卷積；卷積運算的計算公式為： 上式中，為第k層第m個神經元的輸入，為第k層的卷積核，為第k層卷積后第m個神經元的輸出；為第k層神經元的偏置，為多層通道卷積運算后累加的最終輸出；為經過改進的激活函數處理后的輸出，f.為改進的激活函數用來引入非線性特性；S3：使用改進的激活函數將輸出的結果處理成非線性，從而增加神經網絡的非線性擬合能力；所述改進的激活函數的公式為： 上式中，x為激活值；激活函數是非線性映射運算，具有保留、映射、激活神經元的特征；激活函數通過對輸入信號的非線性變換表示，達到模擬數據在人類神經元傳播的效果，主要用在相鄰層級之間，連接神經網絡并且給神經網絡增加非線性因素；為了擬合任意函數即添加非線性運算；CNN模型中需要使用梯度下降法進行權重數據的更新，因此對應的激活函數要連續且可導；在進行迭代時函數的值域范圍要小，才能將輸出的數據控制在一定范圍內，使訓練結果更容易收斂；改進的激活函數式為： 上式中，fx為改進函數，f'x為導函數；S4：為了減少特征映射的維數，既縮減模型的規模，將輸出的特征圖劃分為多個小塊區域，每個區域中用一個值代表該區域內的多個值，使用池化運算處理圖像相關特征，以此來減小每個特征圖的尺寸，并保留最重要的特征信息；S5：將特征圖像數據進行全連接運算使其高度抽象為一維數組；S6：將抽象的一維數組進行數字的分類運算，得到輸出結果；分類運算的算法步驟包括：Step1：用隨機數初始化所有的神經網絡不同參數權重；Step2：輸入要訓練的圖片，執行前向傳播的步驟，運算出每個類別對應的輸出特征圖像；Step3：計算輸出層的識別概率；Step4：通過反向傳播算法計算輸出的誤差值相對于神經元所有神經元參數或權重值間的梯度，再由此調整連接權重，更新相關參數，經過多次迭代計算直至獲取最優解停止權值調整；Step5：使用Softmax回歸函數將輸出值進行歸一化，使分類結果更加直觀。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人淮陰工學院，其通訊地址為：223100 江蘇省淮安市洪澤區東七街三號高新技術產業園A12-2(淮陰工學院技術轉移中心洪澤分中心)；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。