• 专利申请
    2020-09-16
  • 公布公告
    2024-01-12
  • 授权日期
    2024-01-12
  • 终止
    2034-01-09
新型Faster R-CNN网络模型及其训练方法
新型Faster R-CNN网络模型及其训练方法
* 专利信息仅供参考，不具有法律效力。 有效专利
CN202010973172.2 2020-09-16 G06N3/0464 {{ classMap["G06N3/0464"] }}
闽江学院 查看申请人名下所有专利
福建省福州市闽侯县溪源宫路200号
专利分类项目

G06N3/0464 :

G06N3/08 : 学习方法

专利注册信息
初审公告期号 2020-09-16 初审公告日期 2024-01-12
注册公告期号 2024-01-12 注册公告日期 2024-01-12
专用权期限 2024-01-12 - 2034-01-09 专利类型 发明授权
代理组织机构 厦门原创专利事务所 查看该机构代理的所有专利
专利介绍
本发明公开了新型Faster R‑CNN网络模型及其训练方法，网络模型包括：VGG16深度卷积神经网络层和RPN网络层，其分别用于对传入的图像进行多次卷积操作并生成特征提取图像和用于获取特征提取图像且判别特征提取图像中的背景和物体，并回归物体所在的位置信息；本方案以VGG16深度卷积神经网络作为基础网络能够保证检测精度和高效率；而RPN网络层取代了传统的全连接层，运用了全卷积神经网络，实现了卷积核参数共享，突破了传统神经网络中只能传入单一维度大小图像的局限性，该RPN网络层用来判别图像的背景和物体信息及回归物体所在位置信息更为高效；相比传统的物体检测网络，本方案能够避免全连接层带来的应用限制，大幅提升网络的适用性能，具有端到端的检测特性。
法律进度

  • 2024-05-03 专利权的转移 登记生效日: 2024.04.18 专利权人由闽江学院变更为合肥名龙电子科技有限公司 国家或地区由中国变更为中 ...

  • 2024-01-12 授权 ...

  • 2021-01-19 实质审查的生效 IPC(主分类): G06N 3/04 专利申请号: 202010973172.2 申请日: 2020.09. ...

  • 2021-01-01 公开 ...

同类专利
  • 一种基于循环切割和重排的现场可编程门阵列卷积层的动态优化方法

    一种基于循环切割和重排的现场可编程门阵列卷积层的动态优化方法

    查看详情
  • 一种用于病变图像分割的多尺度并行深度神经网络模型构建方法

    一种用于病变图像分割的多尺度并行深度神经网络模型构建方法

    查看详情
  • 一种基于图卷积神经网络的跨模态检索方法

    一种基于图卷积神经网络的跨模态检索方法

    查看详情
  • 一种基于生成对抗网络的多相关时间序列预测系统及方法

    一种基于生成对抗网络的多相关时间序列预测系统及方法

    查看详情
  • 图像生成模型训练方法和装置、图像生成方法和装置

    图像生成模型训练方法和装置、图像生成方法和装置

    查看详情
  • 基于深度学习的主从控制方法及应用

    基于深度学习的主从控制方法及应用

    查看详情
  • 一种基于关系图的DNN鲁棒模型加固方法

    一种基于关系图的DNN鲁棒模型加固方法

    查看详情
  • 一种基于改进MICN的光伏功率预测方法

    一种基于改进MICN的光伏功率预测方法

    查看详情

咨询该专利

您还可以
求购专利
推荐专利
{{ v.name }}
取 消 确 定