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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江理工大學(xué)申請的專利基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114170634B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111485244.X，技術(shù)領(lǐng)域涉及：G06V40/10；該發(fā)明授權(quán)基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法是由周梓豪;田秋紅設(shè)計研發(fā)完成，并于2021-12-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法在說明書摘要公布了：本發(fā)明公開了一種基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法。對手勢采集獲得原始手勢圖像；經(jīng)卷積降采樣網(wǎng)絡(luò)結(jié)構(gòu)卷積降采樣，選取較淺層和深層的特征張量，分別輸入融合Drop?Path模塊的DenseNet?B模塊中得到兩種特征張量；融合后得多尺度特征融合的特征張量再經(jīng)過渡層壓縮，再輸入融合Drop?Path模塊的DenseNet?B模塊中，得包含多尺度高維度的特征張量；經(jīng)全局平均池化層、全連接層、softmax分類器得分類結(jié)果。本發(fā)明含有降采樣網(wǎng)絡(luò)結(jié)構(gòu)中不同深度的特征張量，對大目標、小目標物體均能精確識別，同時在DenseNet網(wǎng)絡(luò)中融合Drop?Path模塊，在不降低精度的同時有效減少參數(shù)量，提高模型訓(xùn)練的速度，防止過擬合，提高了手勢識別的準確率。

本發(fā)明授權(quán)基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法在權(quán)利要求書中公布了：1.一種基于DenseNet網(wǎng)絡(luò)改進的手勢圖像特征提取方法，其特征在于：包括如下步驟：1對各種手勢進行圖像采集獲得原始圖像，對原始圖像進行尺寸歸一化處理獲得原始手勢圖像；2對原始手勢圖像經(jīng)過卷積降采樣網(wǎng)絡(luò)結(jié)構(gòu)處理進行多次卷積降采樣，選取卷積降采樣網(wǎng)絡(luò)結(jié)構(gòu)中較淺層的特征張量和深層的特征張量；3將較淺層的特征張量和深層的特征張量分別輸入到融合了Drop-Path模塊的DenseNet-B模塊中得到兩種包含不同尺度語義信息的通道數(shù)擴增后的特征張量；4將獲得的兩種包含不同尺度語義信息的通道數(shù)擴增后的特征張量進行融合，得到多尺度特征融合的特征張量；5將獲得的多尺度特征融合的特征張量經(jīng)過過渡層進行壓縮，壓縮后再次輸入到融合了Drop-Path模塊的DenseNet-B模塊中，得到包含多尺度高維度的特征張量；6將多尺度高維度特征張量經(jīng)過全局平均池化層，再經(jīng)過全連接層，再通過softmax分類器得到手勢圖像的分類結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江理工大學(xué)，其通訊地址為：310018 浙江省杭州市江干經(jīng)濟開發(fā)區(qū)2號大街928號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。