買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜江南大學(xué)申請(qǐng)的專利融合模塊和多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN112036475B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29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(qǐng)?zhí)?專利號(hào)為：202010888768.2，技術(shù)領(lǐng)域涉及：G06V10/80；該發(fā)明授權(quán)融合模塊和多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別方法是由錢(qián)雪忠;陳鑫華設(shè)計(jì)研發(fā)完成，并于2020-08-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本融合模塊和多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種融合模塊和多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別方法，包括上一層、融合層以及級(jí)聯(lián)層，所述上一層將輸入圖片通過(guò)所述融合層運(yùn)算，再將運(yùn)算完成的結(jié)果通過(guò)所述級(jí)聯(lián)層進(jìn)行合并輸出，所述融合層由在原始模塊中加入瓶頸結(jié)構(gòu)和空洞卷積結(jié)構(gòu)共同組合而成。本發(fā)明不但錯(cuò)誤率低，而且有效減少網(wǎng)絡(luò)的參數(shù)量，有利于提升模型泛化能力。

本發(fā)明授權(quán)融合模塊和多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)及圖像識(shí)別方法在權(quán)利要求書(shū)中公布了：1.一種基于多尺度特征融合卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別系統(tǒng)，其特征在于，包括：輸入層、第一卷積層、最大池化層、多個(gè)融合模塊、分類輸出層以及輸出層，且每個(gè)融合模塊的前一層和后一層均使用1×1的卷積操作，其中所述融合模塊包括上一層、融合層以及級(jí)聯(lián)層，所述上一層將輸入圖片通過(guò)所述融合層運(yùn)算，再將運(yùn)算完成的結(jié)果通過(guò)所述級(jí)聯(lián)層進(jìn)行合并輸出，所述融合層由在原始模塊中加入瓶頸結(jié)構(gòu)和空洞卷積結(jié)構(gòu)共同組合而成，所述融合模塊的參數(shù)量Fi,n的計(jì)算方法為：，其中k×k為當(dāng)前卷積核尺寸，Cin為輸入通道數(shù)，Cout為輸出通道數(shù)，所述瓶頸結(jié)構(gòu)中設(shè)有1×1卷積層和3×3卷積層，所述空洞卷積的區(qū)域尺寸計(jì)算公式為：，其中超參數(shù)r表示每個(gè)像素之間填充r-1個(gè)空格。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人江南大學(xué)，其通訊地址為：214122 江蘇省無(wú)錫市蠡湖大道1800號(hào)；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)”。